基站退服的预测方法及装置、电子设备和存储介质与流程
- 国知局
- 2024-08-02 13:56:18
本公开涉及数据处理,尤其涉及一种基站退服的预测方法及装置、电子设备和存储介质。
背景技术:
1、基站退服是指基站因故障导致无法正常运行或提供通信服务的状态,基站退服会降低通信服务质量。为了提高通信服务质量,需要对基站退服进行预测,若预测结果为基站的状态超过预设安全状态阈值,需要在基站退服之前对基站进行退服修复。
2、在基站退服的预测相关技术中,基站退服的预测方法是通过单一特征数据,例如性能指标数据,进行基站退服预测,由于单一特征数据所反映的基站状态过于片面,导致对基站退服预测的准确率较低。
技术实现思路
1、本公开提供了一种基站退服的预测方法及装置、电子设备和存储介质。其主要目的在于解决由于单一特征数据所反映的基站状态过于片面,导致对基站退服预测的准确率较低的问题。
2、根据本公开的第一方面,提供了一种基站退服的预测方法,其中,包括:
3、获取基站的历史日志向量,及获取所述基站的历史性能指标向量;
4、从所述历史日志向量中提取第一基站退服相关度大于预设相关度阈值的目标历史日志向量,以及从所述历史性能指标向量中提取第二基站退服相关度大于所述预设相关度阈值的目标历史性能指标向量;
5、对所述目标历史日志向量与所述目标历史性能指标向量进行融合,得到综合特征向量;
6、对所述综合特征向量进行基站退服预测,得到所述基站退服的预测结果。
7、可选的,在从所述历史日志向量中提取第一基站退服相关度大于预设相关度阈值的目标历史日志向量之前,所述方法还包括:
8、将所述历史日志向量输入第一相关度模型,得到所述第一基站退服相关度;
9、在从所述历史性能指标向量中提取第二基站退服相关度大于所述预设相关度阈值的目标历史性能指标向量之前,所述方法还包括:
10、将所述性能指标向量输入第二相关度模型,得到所述第二基站退服相关度。
11、可选的,所述从所述历史日志向量中提取第一基站退服相关度大于预设相关度阈值的目标历史日志向量包括:
12、获取所述历史日志向量中的第一历史日志向量,及获取所述历史日志向量中的第二历史日志向量;所述第一历史日志向量与所述第二历史日志向量为维度不同的向量;
13、从所述第一历史日志向量中提取第三基站退服相关度大于所述预设相关度阈值的第一目标日志向量,及从所述第二历史日志向量中提取第四基站退服相关度大于所述预设相关度阈值的第二目标日志向量;
14、将所述第一目标日志向量与所述第二目标日志向量进行拼接,得到第三目标日志向量;
15、从所述第三目标日志向量中提取第五基站退服相关度大于所述预设相关度阈值的第四目标日志向量,并将所述第四目标日志向量确定为所述目标历史日志向量;
16、其中,所述第一预设基站退服相关度模型包括:
17、第三基站退服相关度模型、第四基站退服相关度模型及第五基站退服相关度模型;所述第三基站退服相关度模型用于对所述第一历史日志向量计算,得到所述第三基站退服相关度,所述第四基站退服相关度模型用于对所述第二历史日志向量计算,得到所述第四基站退服相关度,所述第五基站退服相关度模型用于对所述第三目标日志向量计算,得到所述第五基站退服相关度;
18、所述第一基站退服相关度包括:所述第三基站退服相关度、所述第四基站退服相关度及所述第五基站退服相关度。
19、可选的,所述获取所述历史日志向量中的第一历史日志向量,及获取所述历史日志向量中的第二历史日志向量包括:
20、获取历史日志数据中第一预设时间段内的第一历史日志数据,及获取所述历史日志数据中第二预设时间段内的第二历史日志数据;
21、对所述第一历史日志数据进行第一预设维度的向量化处理,得到所述第一历史日志向量,及对所述第二历史日志数据进行第二预设维度的向量化处理,得到所述第二历史日志向量。
22、可选的,所述从所述历史性能指标向量中提取第二基站退服相关度大于预设相关度阈值的目标历史性能指标向量包括:
23、获取所述历史性能指标向量中的第一历史性能指标向量,及获取所述历史性能指标向量中的第二历史性能指标向量;
24、从所述第一历史性能指标向量中提取第六基站退服相关度大于所述预设相关度阈值的第一目标性能指标向量,及从所述第二历史性能指标向量中提取第七基站退服相关度大于所述预设相关度阈值的第二目标性能指标向量;
25、将所述第一目标性能指标向量与所述第二目标性能指标向量进行拼接,得到第三目标性能指标向量;
26、从所述第三目标性能指标向量中提取第八基站退服相关度大于所述预设相关度阈值的第四目标性能指标向量,并将所述第四目标性能指标向量确定为所述目标历史性能指标向量;
27、其中,所述第二预设基站退服相关度模型包括:
28、所述第六基站退服相关度模型、所述第七基站退服相关度模型及所述第八基站退服相关度模型;所述第六基站退服相关度模型用于对所述第一历史性能指标向量计算,得到所述第六基站退服相关度,所述第七基站退服相关度模型用于对所述第二历史性能指标向量计算,得到所述第七基站退服相关度,所述第八基站退服相关度模型用于对所述第三目标性能指标向量计算,得到所述第八基站退服相关度;
29、所述第二基站退服相关度包括:所述第六基站退服相关度、所述第七基站退服相关度及所述第八基站退服相关度。
30、可选的,所述获取所述历史性能指标向量中的第一历史性能指标向量,及获取所述历史性能指标向量中的第二历史性能指标向量包括:
31、获取历史性能指标数据中第一预设时间段内的第一历史性能指标数据,及获取所述历史日志数据中第二预设时间段内的第二历史性能指标数据;
32、对所述第一历史性能指标数据进行第一预设维度的向量化处理,得到第一历史性能指标向量,及对所述第二历史性能指标数据进行第二预设维度的向量化处理,得到第二历史性能指标向量。
33、可选的,所述对所述目标历史日志向量与所述目标历史性能指标向量进行融合,得到综合特征向量包括:
34、获取所述目标历史日志向量对应的第一预设权重,及获取所述目标历史性能指标向量对应的第二预设权重;
35、对所述目标历史日志向量与所述第一预设权重进行积计算,得到第一积值结果;
36、对所述目标历史性能指标向量与所述第二预设权重进行积计算,得到第二积值结果;
37、对所述第一积值结果与所述第二积值结果进行加和计算,得到所述综合特征向量。
38、根据本公开的第二方面,提供了一种基站退服的预测装置,包括:
39、获取单元,用于获取基站的历史日志向量,及获取所述基站的历史性能指标向量;
40、提取单元,用于从所述历史日志向量中提取第一基站退服相关度大于预设相关度阈值的目标历史日志向量,以及从所述历史性能指标向量中提取第二基站退服相关度大于所述预设相关度阈值的目标历史性能指标向量;
41、融合单元,用于对所述目标历史日志向量与所述目标历史性能指标向量进行融合,得到综合特征向量;
42、预测单元,用于对所述综合特征向量进行基站退服预测,得到所述基站退服的预测结果。
43、可选的,所述装置还包括:
44、第一输入单元,用于在从所述历史日志向量中提取第一基站退服相关度大于预设相关度阈值的目标历史日志向量之前,将所述历史日志向量输入第一相关度模型,得到所述第一基站退服相关度;
45、第二输入单元,在从所述历史性能指标向量中提取第二基站退服相关度大于所述预设相关度阈值的目标历史性能指标向量之前,用于将所述性能指标向量输入第二相关度模型,得到所述第二基站退服相关度。
46、可选的,所述提取单元包括:
47、第一获取模块,用于获取所述历史日志向量中的第一历史日志向量,及获取所述历史日志向量中的第二历史日志向量;所述第一历史日志向量与所述第二历史日志向量为维度不同的向量;
48、第一提取模块,用于从所述第一历史日志向量中提取第三基站退服相关度大于所述预设相关度阈值的第一目标日志向量,及从所述第二历史日志向量中提取第四基站退服相关度大于所述预设相关度阈值的第二目标日志向量;
49、拼接模块,用于将所述第一目标日志向量与所述第二目标日志向量进行拼接,得到第三目标日志向量;
50、第二提取模块,用于从所述第三目标日志向量中提取第五基站退服相关度大于所述预设相关度阈值的第四目标日志向量,并将所述第四目标日志向量确定为所述目标历史日志向量;
51、其中,所述第一预设基站退服相关度模型包括:
52、第三基站退服相关度模型、第四基站退服相关度模型及第五基站退服相关度模型;所述第三基站退服相关度模型用于对所述第一历史日志向量计算,得到所述第三基站退服相关度,所述第四基站退服相关度模型用于对所述第二历史日志向量计算,得到所述第四基站退服相关度,所述第五基站退服相关度模型用于对所述第三目标日志向量计算,得到所述第五基站退服相关度;
53、所述第一基站退服相关度包括:所述第三基站退服相关度、所述第四基站退服相关度及所述第五基站退服相关度。
54、可选的,所述第一获取模块还用于,
55、获取历史日志数据中第一预设时间段内的第一历史日志数据,及获取所述历史日志数据中第二预设时间段内的第二历史日志数据;
56、对所述第一历史日志数据进行第一预设维度的向量化处理,得到所述第一历史日志向量,及对所述第二历史日志数据进行第二预设维度的向量化处理,得到所述第二历史日志向量。
57、可选的,所述提取单元还包括:
58、所述第一获取模块还用于,获取所述历史性能指标向量中的第一历史性能指标向量,及获取所述历史性能指标向量中的第二历史性能指标向量;
59、第三提取模块,用于从所述第一历史性能指标向量中提取第六基站退服相关度大于所述预设相关度阈值的第一目标性能指标向量,及从所述第二历史性能指标向量中提取第七基站退服相关度大于所述预设相关度阈值的第二目标性能指标向量;
60、所述拼接模块还用于,将所述第一目标性能指标向量与所述第二目标性能指标向量进行拼接,得到第三目标性能指标向量;
61、第四提取模块,用于从所述第三目标性能指标向量中提取第八基站退服相关度大于所述预设相关度阈值的第四目标性能指标向量,并将所述第四目标性能指标向量确定为所述目标历史性能指标向量;
62、其中,所述第二预设基站退服相关度模型包括:
63、所述第六基站退服相关度模型、所述第七基站退服相关度模型及所述第八基站退服相关度模型;所述第六基站退服相关度模型用于对所述第一历史性能指标向量计算,得到所述第六基站退服相关度,所述第七基站退服相关度模型用于对所述第二历史性能指标向量计算,得到所述第七基站退服相关度,所述第八基站退服相关度模型用于对所述第三目标性能指标向量计算,得到所述第八基站退服相关度;
64、所述第二基站退服相关度包括:所述第六基站退服相关度、所述第七基站退服相关度及所述第八基站退服相关度。
65、可选的,所述第一获取模块还用于,
66、获取历史性能指标数据中第一预设时间段内的第一历史性能指标数据,及获取所述历史日志数据中第二预设时间段内的第二历史性能指标数据;
67、对所述第一历史性能指标数据进行第一预设维度的向量化处理,得到第一历史性能指标向量,及对所述第二历史性能指标数据进行第二预设维度的向量化处理,得到第二历史性能指标向量。
68、可选的,所述融合单元包括:
69、第二获取模块,用于获取所述目标历史日志向量对应的第一预设权重,及获取所述目标历史性能指标向量对应的第二预设权重;
70、计算模块,用于对所述目标历史日志向量与所述第一预设权重进行积计算,得到第一积值结果;
71、所述计算模块还用于,对所述目标历史性能指标向量与所述第二预设权重进行积计算,得到第二积值结果;
72、所述计算模块还用于,对所述第一积值结果与所述第二积值结果进行加和计算,得到所述综合特征向量。
73、根据本公开的第三方面,提供了一种电子设备,包括:
74、至少一个处理器;以及
75、与所述至少一个处理器通信连接的存储器;其中,
76、所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面所述的方法。
77、根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行前述第一方面所述的方法。
78、根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如前述第一方面所述的方法。
79、本公开提供的基站退服的预测方法及装置、电子设备和存储介质,获取基站的历史日志向量,及获取所述基站的历史性能指标向量;从所述历史日志向量中提取第一基站退服相关度大于预设相关度阈值的目标历史日志向量,以及从所述历史性能指标向量中提取第二基站退服相关度大于所述预设相关度阈值的目标历史性能指标向量;对所述目标历史日志向量与所述目标历史性能指标向量进行融合,得到综合特征向量;对所述综合特征向量进行基站退服预测,得到所述基站退服的预测结果。与相关技术相比,本公开实施例通过历史日志向量及历史性能指标向量进行基站退服预测,能够更全面地反映基站状态,提高了基站退服预测的准确率。
80、应当理解,本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征,也不用于限制本技术的范围。本技术的其它特征将通过以下的说明书而变得容易理解。
本文地址:https://www.jishuxx.com/zhuanli/20240801/241158.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表