基于露天矿5G网络优化的数据检测方法及系统与流程

本技术涉及数据处理，更具体地，涉及一种基于露天矿5g网络优化的数据检测方法、数据检测系统及计算机可读存储介质。

背景技术：

1、随着露天矿区的不断发展和扩大，对其运行过程中的网络环境要求也越来越高。特别是在5g网络覆盖区域，露天矿区的运行日志数据量急剧增加，如何有效地处理和分析这些数据，以优化网络环境成为了一个亟待解决的问题。

2、传统的网络环境优化方法通常依赖于人工巡检和经验判断，这种方式不仅效率低下，而且难以保证优化建议的准确性和全面性。此外，由于缺乏对历史数据和实时数据的综合分析，传统的优化方法往往无法及时发现和解决网络环境中存在的潜在问题。

3、近年来，随着大数据和人工智能技术的不断发展，数据驱动的网络环境优化方法逐渐受到关注。然而，现有的数据检测方法在处理露天矿区运行日志时仍存在一些不足。例如，它们可能无法有效地从海量的日志数据中提取出关键信息，或者无法准确地评估网络性能的变化趋势。此外，现有的方法通常忽略了历史数据与当前数据之间的关联性，导致优化建议缺乏连续性和一致性。

技术实现思路

1、为改善相关技术中存在的技术问题，本技术提供了一种基于露天矿5g网络优化的数据检测方法、数据检测系统及计算机可读存储介质。

2、第一方面，本技术实施例提供了一种基于露天矿5g网络优化的数据检测方法，应用于数据检测系统，所述方法包括：

3、在目标露天矿区运行日志流中获取目标露天矿区运行日志与过往露天矿区运行日志；所述目标露天矿区运行日志流是基于目标数据文本转换周期，对目标5g网络覆盖区域进行露天矿区运行数据采集转换后所得到的露天矿区运行日志流；所述过往露天矿区运行日志是指所述目标露天矿区运行日志流中，所述目标露天矿区运行日志的前一个露天矿区运行日志；

4、获取所述目标露天矿区运行日志对应的目标运行日志联动数据状态向量，以及所述过往露天矿区运行日志对应的过往运行日志联动数据状态向量；

5、基于所述目标运行日志联动数据状态向量生成关于所述目标露天矿区运行日志的第一网络质量评价向量，基于所述目标运行日志联动数据状态向量和所述过往运行日志联动数据状态向量，生成关于所述过往露天矿区运行日志的第二网络质量评价向量，依据所述第一网络质量评价向量和所述第二网络质量评价向量，将所述目标露天矿区运行日志与所述过往露天矿区运行日志进行知识叠加，得到所述目标露天矿区运行日志对应的目标叠加描述知识；

6、基于所述目标运行日志联动数据状态向量、所述目标叠加描述知识以及所述过往露天矿区运行日志，确定所述目标露天矿区运行日志对应的最终网络环境优化建议。

7、结合第一方面，在第一方面的一种可能的实现方式中，所述目标运行日志联动数据状态向量包括所述目标露天矿区运行日志对应的第一设备状态注意力向量与第一环境监测注意力向量；

8、所述基于所述目标运行日志联动数据状态向量生成关于所述目标露天矿区运行日志的第一网络质量评价向量，包括：

9、将所述第一设备状态注意力向量与所述第一环境监测注意力向量，录入到时域叠加处理网络；

10、通过所述时域叠加处理网络的第一残差连接分支，对所述第一设备状态注意力向量与所述第一环境监测注意力向量进行残差连接处理，得到所述目标露天矿区运行日志对应的第一运行日志残差语义向量；

11、通过所述时域叠加处理网络的第二残差连接分支，对所述第一设备状态注意力向量与所述第一环境监测注意力向量进行残差连接处理，得到所述目标露天矿区运行日志对应的第二运行日志残差语义向量；

12、将所述第一运行日志残差语义向量与所述第二运行日志残差语义向量进行语义单元特征点积，得到关于所述目标露天矿区运行日志的第一网络质量评价向量。

13、结合第一方面，在第一方面的一种可能的实现方式中，所述目标运行日志联动数据状态向量包括所述目标露天矿区运行日志对应的第一设备状态注意力向量与第一环境监测注意力向量，所述过往运行日志联动数据状态向量包括所述过往露天矿区运行日志对应的第二设备状态注意力向量与第二环境监测注意力向量；

14、所述基于所述目标运行日志联动数据状态向量和所述过往运行日志联动数据状态向量，生成关于所述过往露天矿区运行日志的第二网络质量评价向量，包括：

15、将所述第二设备状态注意力向量与所述第二环境监测注意力向量分别进行特征迁移操作，得到所述第二设备状态注意力向量对应的设备状态迁移向量，以及所述第二环境监测注意力向量对应的环境监测迁移向量；

16、将所述第一设备状态注意力向量、所述第一环境监测注意力向量、所述设备状态迁移向量以及所述环境监测迁移向量录入到时域叠加处理网络；

17、通过所述时域叠加处理网络的第一残差连接分支，对所述第一设备状态注意力向量与所述第一环境监测注意力向量进行残差连接处理，得到所述目标露天矿区运行日志对应的目标运行日志残差语义向量；

18、通过所述时域叠加处理网络的第二残差连接分支，对所述设备状态迁移向量与所述环境监测迁移向量进行残差连接处理，得到所述过往露天矿区运行日志对应的过往运行日志残差语义向量；

19、将所述目标运行日志残差语义向量与所述过往运行日志残差语义向量进行语义单元特征点积，得到关于所述过往露天矿区运行日志的第二网络质量评价向量。

20、结合第一方面，在第一方面的一种可能的实现方式中，所述依据所述第一网络质量评价向量和所述第二网络质量评价向量，将所述目标露天矿区运行日志与所述过往露天矿区运行日志进行知识叠加，得到所述目标露天矿区运行日志对应的目标叠加描述知识，包括：

21、获取朴素贝叶斯分类器，通过所述朴素贝叶斯分类器与所述第一网络质量评价向量，确定关于所述目标露天矿区运行日志的第一知识向量集成权重；

22、通过所述朴素贝叶斯分类器与所述第二网络质量评价向量，确定关于所述过往露天矿区运行日志的第二知识向量集成权重；

23、基于所述第一知识向量集成权重和所述第二知识向量集成权重，将所述目标露天矿区运行日志与所述过往露天矿区运行日志进行知识叠加，得到所述目标露天矿区运行日志对应的目标叠加描述知识。

24、结合第一方面，在第一方面的一种可能的实现方式中，所述基于所述第一知识向量集成权重和所述第二知识向量集成权重，将所述目标露天矿区运行日志与所述过往露天矿区运行日志进行知识叠加，得到所述目标露天矿区运行日志对应的目标叠加描述知识，包括：

25、获取所述目标露天矿区运行日志对应的目标网络状态扰动线性变量、目标传输丢包量化线性变量与目标数据延时量化线性变量，获取所述过往露天矿区运行日志对应的过往叠加网络状态扰动线性变量、过往叠加传输丢包量化线性变量以及过往叠加数据延时量化线性变量；

26、基于所述第一知识向量集成权重与所述第二知识向量集成权重，将所述目标传输丢包量化线性变量与所述过往叠加传输丢包量化线性变量进行叠加，得到所述目标露天矿区运行日志对应的目标叠加传输丢包量化线性变量；

27、基于所述第一知识向量集成权重与所述第二知识向量集成权重，将所述目标网络状态扰动线性变量与所述过往叠加网络状态扰动线性变量进行叠加，得到所述目标露天矿区运行日志对应的目标叠加网络状态扰动线性变量；

28、基于所述第一知识向量集成权重与所述第二知识向量集成权重，将所述目标数据延时量化线性变量与所述过往叠加数据延时量化线性变量进行叠加，得到所述目标露天矿区运行日志对应的目标叠加数据延时量化线性变量；

29、将所述目标叠加传输丢包量化线性变量、所述目标叠加网络状态扰动线性变量以及所述目标叠加数据延时量化线性变量，确定为所述目标露天矿区运行日志对应的目标叠加描述知识。

30、结合第一方面，在第一方面的一种可能的实现方式中，所述基于所述目标运行日志联动数据状态向量、所述目标叠加描述知识以及所述过往露天矿区运行日志，确定所述目标露天矿区运行日志对应的最终网络环境优化建议，包括：

31、基于所述目标运行日志联动数据状态向量、所述目标叠加描述知识以及所述过往露天矿区运行日志，确定所述目标露天矿区运行日志对应的目标集成交互知识向量；

32、将所述目标集成交互知识向量录入到目标网络环境优化检测网络中，在所述目标网络环境优化检测网络中，基于所述目标集成交互知识向量输出所述目标露天矿区运行日志对应的最终网络环境优化建议。

33、结合第一方面，在第一方面的一种可能的实现方式中，所述目标运行日志联动数据状态向量包括第一设备状态注意力向量与第一环境监测注意力向量；所述过往运行日志联动数据状态向量包括所述过往露天矿区运行日志对应的第二设备状态注意力向量与第二环境监测注意力向量；

34、所述基于所述目标运行日志联动数据状态向量、所述目标叠加描述知识以及所述过往露天矿区运行日志，确定所述目标露天矿区运行日志对应的目标集成交互知识向量，包括：

35、获取所述目标露天矿区运行日志对应的参考知识向量；所述参考知识向量包括所述第一设备状态注意力向量与所述第一环境监测注意力向量；

36、将所述参考知识向量中，除所述第一设备状态注意力向量与所述第一环境监测注意力向量之外的注意力向量，确定为剩余注意力向量；

37、将所述目标叠加描述知识、所述第一设备状态注意力向量、所述第一环境监测注意力向量以及所述剩余注意力向量进行向量集成，得到所述目标露天矿区运行日志对应的运行日志集成向量；

38、将所述第二设备状态注意力向量与所述第二环境监测注意力向量分别进行特征迁移操作，得到所述第二设备状态注意力向量对应的设备状态迁移向量，以及所述第二环境监测注意力向量对应的环境监测迁移向量；

39、将所述运行日志集成向量、所述设备状态迁移向量以及所述环境监测迁移向量进行特征交互，得到所述目标露天矿区运行日志对应的目标集成交互知识向量。

40、结合第一方面，在第一方面的一种可能的实现方式中，所述在所述目标网络环境优化检测网络中，基于所述目标集成交互知识向量输出所述目标露天矿区运行日志对应的最终网络环境优化建议，包括：

41、通过所述目标网络环境优化检测网络，确定所述目标集成交互知识向量对应的第一运行日志优化模拟结果、第二运行日志优化模拟结果、第一网络环境优化决策特征以及第二网络环境优化决策特征；所述第一运行日志优化模拟结果未包含错误文本，所述第一运行日志优化模拟结果的特征识别度大于所述第二运行日志优化模拟结果的特征识别度；

42、在所述目标网络环境优化检测网络中，通过所述第一网络环境优化决策特征将所述第一运行日志优化模拟结果与所述第二运行日志优化模拟结果进行网络环境优化检测，得到所述目标露天矿区运行日志对应的初始网络环境优化建议；

43、获取所述过往露天矿区运行日志对应的过往网络环境优化建议，通过所述第二网络环境优化决策特征将所述初始网络环境优化建议与所述过往网络环境优化建议进行联合更新，得到所述目标露天矿区运行日志对应的最终网络环境优化建议。

44、第二方面，本技术还提供了一种数据检测系统，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的基于露天矿5g网络优化的数据检测方法。

45、第三方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的基于露天矿5g网络优化的数据检测方法。

46、本技术提出了一种基于数据检测系统的露天矿区网络环境优化方法。该方法通过实时获取目标露天矿区的运行日志流，并结合历史数据和当前数据进行分析，以生成全面、准确的网络环境优化建议。通过这种方法，不仅可以提高优化工作的效率和准确性，还可以为露天矿区的安全、高效运行提供有力保障。