本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部
摘 要:主要介绍了基于机器学习的网络异常诊断的模型设计与实现。不同于常见的通过无监督学习进行模型设计及实现的方式,该模型从生产实际出发,结合实际的 KPI数据与 KPI异常评判的多样性,进行模型设计、训练和优化,实现了网络异常诊断模型的构建。在此基础上,通过集合生产数据在线训练,逐步提升模型精度。
关键词:KPI;异常诊断;交叉验证;数据闭环
doi:10.12045/j.issn.1007-3043.2025.01.017
前言
在通信网络的运维中,网络覆盖类指标、呼叫建立类指标、呼叫保持类指标等各类 KPI 是日常运维工作的重要数据,这些数据随着时间不断累积,成为一笔重要的数据资产。借助人工智能,可以基于这些数据进行网络异常诊断方面的应用,从而预测网络性能是否出现异常,并进行网络问题的排查与调整优化。
本文将阐述如何从实际情况出发,基于机器学习进行网络异常诊断应用工作,其中包括关键 KPI 指标筛选、历史 KPI 数据分析、特征工程处理、结合 KPI 数据特点进行机器学习模型构建,以及利用实际运行数据进行模型在线优化等内容。