基于灰色关联分析的网络智能运维方法及系统与流程

1.本发明涉及网络运营性能分析领域，具体地说是一种基于灰色关联分析的网络智能运维方法及系统。


背景技术：

2.自智网络：通过对现有网络资源规格、网络sla及安全能力等方面的综合评估，实现可靠性最优、资源最优、安全最优的网络设计方案推荐，并提供持续业务网络保障优化能力。
3.自智网络l3：自动实现，规则与功能解耦，可按需灵活配置；优化分析：针对特定网络指标定义数据参考模型，选取调整站点的工程参数以及网络参数作为比较模型，分析多各比较模型让网络的容量、覆盖和性能达到最优的权重比。
4.灰色关联分析是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。
5.自动权重派单：在网络运维过程中跨专业问题定界，定位过程中自动实现关联指标权重比分析生成，输出准确的问题优化规则，实现最合理的自动优化能力。
6.在网络运营内容从单专业向跨专业端到端分析，由简单到复杂过程中，参与分析问题的指标不断增多，对网络运维过程中跨专业(接入，承载，核心，kpi，kqi等多种专业分类)问题分析定界，问题定位的质量要求更加精准，但分析过程只有多专业的指标相关性描述，缺少不同专业指标的权重比较，均衡的派单或问题处理不能得到最高的运维效率和效果体现。
7.故如何利用灰色关联分析使得网络自制运维过程中问题定位和处理过程最大化的趋于效率和准确是目前亟待解决的技术问题。


技术实现要素：

8.本发明的技术任务是提供一种基于灰色关联分析的网络智能运维方法及系统，来解决如何利用灰色关联分析使得网络自制运维过程中问题定位和处理过程最大化的趋于效率和准确的问题。
9.本发明的技术任务是按以下方式实现的，一种基于灰色关联分析的网络智能运维方法，该方法具体如下：
10.智能数据均值化处理：对不同时间维度空间维度数据按参考数列的维度梳理，控制数据精度；
11.无量纲化处理：对比较指标形成的数列平均的累加和相关即定界的方案，提升为对各数列权重的分析求单一比较数列的最大差和最小差，得到待分析数据，即求出关联系数；
12.获取关联度：加入分别系数变量计算关联度，使得网络运维跨专业问题分析定位能力更智能；
13.获取权重劣质化指标：按权重有限级定界和问题派单，利用各参数权重自动分析结论，进而更精准的指导问题解决过程。
14.作为优选，智能数据均值化处理具体如下：
15.选定“小区上网不稳定用户比率”指标为参考数列，选定“无线接通率、切换成功率及tcp下行重传率”为3个比较数列，进行数据均值化处理，公式如下：
16.ζx0＝∑x0/n；
17.ζx1＝∑x1/n；
18.ζx2＝∑x2/n；
19.ζx3＝∑x3/n；
20.其中，x0表示网络问题分析目标，以参数列指标的实际数据作为分析目标；x1、x2及x3分别表示比较数列；n表示参数数量，和比较数列数量保存一致。
21.更优地，无量纲化处理具体如下：
22.将每个参数进行对比数列均值的处理，屏蔽掉不同系统中各因素的物理意义不同导致数据的量纲差异，便于比较可以得到正确的结论，公式如下：
23.ζxin＝xi/ζx0；
24.其中，i＝0,1,...,n。
25.更优地，获取关联度具体如下：
26.逐个计算每个被评价对象指标序列(比较序列)与参考序列对应元素的绝对差值，公式如下：
27.δi(k)＝|xoi-x1i|；
28.确定单列最小值mix(k)，单列最大值max(k)；其中，k＝1,2,...,n；
29.计算关联系数：分别计算每个比较序列与参考序列对应元素的关联系数，(综合最小值+分辨系数ρ*综合最大值)/(δi(k)+分辨系数ρ*综合最大值)，公式如下：
30.ζi(k)＝min(i)min(k)δi(k)+ρmax(i)max(k)δi(k)/δi(k)+ρmax(i)max(k)δi(k)；
31.其中，ρ为分辨系数，0《ρ《1；若ρ越小，关联系数间差异越大，区分能力越强，通常ρ取0.5；
32.计算关联度：各比较序列分别计算其各指标与参考序列对应元素的关联系数的均值，以反映各评价对象与参考序列的关联关系，并称其为关联序，公式如下：
33.ri＝ζi(k)/k。
34.更优地，获取权重劣质化指标具体如下：
35.自动比较关联度对象ri的关联序，得出分析结果得到灰色关联度进行排序,推送问题派单。
36.一种基于灰色关联分析的网络智能运维系统，该系统包括，
37.专业指标采集模块，用于实现对接入基站和数通信息、承载网信息、核心业务和存储信息、各专业kpi指标信息、各专业kqi指标的标签信息、版本信息、性能及告警信息的持久化的管理；
38.网络质量分析模块，用于对toc,toh及tob业务发生质差和故障时，通过网络智能运维定界功能实现端到端拓扑相关的全专业采集指标的定界及定位分析，精准的输出关联
度最高的质差和故障专业指标分析结果；
39.劣化问题派单模块，用于将质量分析结果进行运维派单，跟踪各专业对应工单进行问题处理结果。
40.作为优选，所述网络质量分析模块包括，
41.智能数据均值化处理子模块，用于对不同时间维度空间维度数据按参考数列的维度梳理，控制数据精度；
42.无量纲化处理子模块，用于对比较指标形成的数列平均的累加和相关即定界的方案，提升为对各数列权重的分析求单一比较数列的最大差和最小差，得到待分析数据，即求出关联系数；
43.关联度获取子模块，用于加入分别系数变量计算关联度，使得网络运维跨专业问题分析定位能力更智能。
44.更优地，所述智能数据均值化处理子模块工作过程具体如下：
45.选定“小区上网不稳定用户比率”指标为参考数列，选定“无线接通率、切换成功率及tcp下行重传率”为3个比较数列，进行数据均值化处理，公式如下：
46.ζx0＝∑x0/n；
47.ζx1＝∑x1/n；
48.ζx2＝∑x2/n；
49.ζx3＝∑x3/n；
50.其中，x0表示网络问题分析目标，以参数列指标的实际数据作为分析目标；x1、x2及x3分别表示比较数列；n表示参数数量，和比较数列数量保存一致；
51.所述无量纲化处理子模块的工作过程具体如下：
52.将每个参数进行对比数列均值的处理，屏蔽掉不同系统中各因素的物理意义不同导致数据的量纲差异，便于比较可以得到正确的结论，公式如下：
53.ζxin＝xi/ζx0；
54.其中，i＝0,1,...,n；
55.所述关联度获取子模块的工作过程具体如下：
56.(1)、逐个计算每个被评价对象指标序列(比较序列)与参考序列对应元素的绝对差值，公式如下：
57.δi(k)＝|xoi-x1i|；
58.(2)、确定单列最小值mix(k)，单列最大值max(k)；其中，k＝1,2,...,n；
59.(3)、计算关联系数：分别计算每个比较序列与参考序列对应元素的关联系数，(综合最小值+分辨系数ρ*综合最大值)/(δi(k)+分辨系数ρ*综合最大值)，公式如下：
60.ζi(k)＝min(i)min(k)δi(k)+ρmax(i)max(k)δi(k)/δi(k)+ρmax(i)max(k)δi(k)；
61.其中，ρ为分辨系数，0《ρ《1；若ρ越小，关联系数间差异越大，区分能力越强，通常ρ取0.5；
62.(4)、计算关联度：各比较序列分别计算其各指标与参考序列对应元素的关联系数的均值，以反映各评价对象与参考序列的关联关系，并称其为关联序，公式如下：
63.ri＝ζi(k)/k。
64.一种电子设备，包括：存储器和至少一个处理器；
65.其中，所述存储器上存储有计算机程序；
66.所述至少一个处理器执行所述存储器存储的计算机程序，使得所述至少一个处理器执行如上述的基于灰色关联分析的网络智能运维方法。
67.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序可被处理器执行以实现如上述的基于灰色关联分析的网络智能运维方法。
68.本发明的基于灰色关联分析的网络智能运维方法及系统具有以下优点：
69.(一)本发明通过对多专业关联指标智能运维分析定界，定位中引入灰色关联分析算法的应用，运维定界定位功能可以输出比较数列(关联指标)最重要的权重比，使得网络自智运维过程中问题定位和处理过程最大化的趋于效率和准确；
70.(二)本发明为网络自智运维过程中实现多指标的跨专业自智定位，定界分析，应用中发明基于灰色关联分析的定界模块，在问题分析过程中对多个比较数列模型进行灰色关联分析，叛变各数列模型对参考数列影响的权重，自动优化定位问题结论输出，输出方案更精准；
71.(三)本发明实现使得原本网络自智运维跨专业分析中参与分析问题的指标只有相关性描述，缺少权重比较，均衡的派单或问题处理不能得到最高的效率和效果体系；通过网络自智运维灰色关联分析的应用对关联指标可以输出最重要的权重比，使得问题定位和处理过程最大化的趋于效率准确；
72.(四)本发明可在网络自智运维功能中增加灰色关联分析能力，自动设置参考数列的指标分析过程中，通过比较数列的灰色关联分析输出各相关指标对应权重，用于网络自智运维跨专业分析问题定界和问题处理自动化过程。
附图说明
73.下面结合附图对本发明进一步说明。
74.附图1为基于灰色关联分析的网络智能运维方法的流程框图；
75.附图2为基于灰色关联分析的网络智能运维方法的逻辑示意图；
76.附图3为基于灰色关联分析的网络智能运维系统的结构框图。
具体实施方式
77.参照说明书附图和具体实施例对本发明的基于灰色关联分析的网络智能运维方法及系统作以下详细地说明。
78.实施例1：
79.如附图1和2所示，本发明的基于灰色关联分析的网络智能运维方法，该方法具体如下：
80.s1、智能数据均值化处理：对不同时间维度空间维度数据按参考数列的维度梳理，控制数据精度；
81.s2、无量纲化处理：对比较指标形成的数列平均的累加和相关即定界的方案，提升为对各数列权重的分析求单一比较数列的最大差和最小差，得到待分析数据，即求出关联系数；
82.s3、获取关联度：加入分别系数变量计算关联度，使得网络运维跨专业问题分析定位能力更智能；
83.s4、获取权重劣质化指标：按权重有限级定界和问题派单，利用各参数权重自动分析结论，进而更精准的指导问题解决过程。
84.本实施例步骤s1中的智能数据均值化处理具体如下：
85.选定“小区上网不稳定用户比率”指标为参考数列，选定“无线接通率、切换成功率及tcp下行重传率”为3个比较数列，进行数据均值化处理，公式如下：
86.ζx0＝∑x0/n；
87.ζx1＝∑x1/n；
88.ζx2＝∑x2/n；
89.ζx3＝∑x3/n；
90.其中，x0表示网络问题分析目标，以参数列指标的实际数据作为分析目标；x1、x2及x3分别表示比较数列；n表示参数数量，和比较数列数量保存一致。
91.本实施例步骤s2中的无量纲化处理具体如下：
92.将每个参数进行对比数列均值的处理，屏蔽掉不同系统中各因素的物理意义不同导致数据的量纲差异，便于比较可以得到正确的结论，公式如下：
93.ζxin＝xi/ζx0；
94.其中，i＝0,1,...,n。
[0095][0096]
本实施例步骤s3中的获取关联度具体如下：
[0097]
s301、逐个计算每个被评价对象指标序列(比较序列)与参考序列对应元素的绝对差值，公式如下：
[0098]
δi(k)＝|xoi-x1i|；
[0099]
|x0-x1||x0-x2||x0-x3|0.135140.03518-0.019790.158770.080800.024450.039680.078310.07634
[0100]
s302、确定单列最小值mix(k)，单列最大值max(k)；其中，k＝1,2,...,n；
[0101]
s303、计算关联系数：分别计算每个比较序列与参考序列对应元素的关联系数，(综合最小值+分辨系数ρ*综合最大值)/(δi(k)+分辨系数ρ*综合最大值)，公式如下：
[0102]
ζi(k)＝min(i)min(k)δi(k)+ρmax(i)max(k)δi(k)/δi(k)+ρmax(i)max(k)δi(k)；
[0103]
其中，ρ为分辨系数，0《ρ《1；若ρ越小，关联系数间差异越大，区分能力越强，通常ρ取0.5；
[0104]
s304、计算关联度：各比较序列分别计算其各指标与参考序列对应元素的关联系数的均值，以反映各评价对象与参考序列的关联关系，并称其为关联序，公式如下：
[0105]
ri＝ζi(k)/k。
[0106]
本实施例步骤s4中的获取权重劣质化指标具体如下：
[0107]
自动比较关联度对象ri的关联序，得出分析结果得到灰色关联度进行排序,推送问题派单。
[0108]
r1r2r30.56650.68650.9636
[0109]
通过比较可知，r3的关联度最高，切换成功率对上网不稳定指标影响权重最高。
[0110]
实施例2：
[0111]
如附图3所示，本实施例提供了一种基于灰色关联分析的网络智能运维系统，该系统包括，
[0112]
专业指标采集模块，用于实现对接入基站和数通信息、承载网信息、核心业务和存储信息、各专业kpi指标信息、各专业kqi指标的标签信息、版本信息、性能及告警信息的持久化的管理；
[0113]
网络质量分析模块，用于对toc,toh及tob业务发生质差和故障时，通过网络智能运维定界功能实现端到端拓扑相关的全专业采集指标的定界及定位分析，精准的输出关联度最高的质差和故障专业指标分析结果；
[0114]
劣化问题派单模块，用于将质量分析结果进行运维派单，跟踪各专业对应工单进行问题处理结果。
[0115]
本实施例中的网络质量分析模块包括，
[0116]
智能数据均值化处理子模块，用于对不同时间维度空间维度数据按参考数列的维度梳理，控制数据精度；
[0117]
无量纲化处理子模块，用于对比较指标形成的数列平均的累加和相关即定界的方案，提升为对各数列权重的分析求单一比较数列的最大差和最小差，得到待分析数据，即求出关联系数；
[0118]
关联度获取子模块，用于加入分别系数变量计算关联度，使得网络运维跨专业问题分析定位能力更智能。
[0119]
本实施例中的智能数据均值化处理子模块工作过程具体如下：
[0120]
选定“小区上网不稳定用户比率”指标为参考数列，选定“无线接通率、切换成功率及tcp下行重传率”为3个比较数列，进行数据均值化处理，公式如下：
[0121]
ζx0＝∑x0/n；
[0122]
ζx1＝∑x1/n；
[0123]
ζx2＝∑x2/n；
[0124]
ζx3＝∑x3/n；
[0125]
其中，x0表示网络问题分析目标，以参数列指标的实际数据作为分析目标；x1、x2及x3分别表示比较数列；n表示参数数量，和比较数列数量保存一致；
[0126]
本实施例中的无量纲化处理子模块的工作过程具体如下：
[0127]
将每个参数进行对比数列均值的处理，屏蔽掉不同系统中各因素的物理意义不同
导致数据的量纲差异，便于比较可以得到正确的结论，公式如下：
[0128]
ζxin＝xi/ζx0；
[0129]
其中，i＝0,1,...,n；
[0130]
本实施例中的关联度获取子模块的工作过程具体如下：
[0131]
(1)、逐个计算每个被评价对象指标序列(比较序列)与参考序列对应元素的绝对差值，公式如下：
[0132]
δi(k)＝|xoi-x1i|；
[0133]
(2)、确定单列最小值mix(k)，单列最大值max(k)；其中，k＝1,2,...,n；
[0134]
(3)、计算关联系数：分别计算每个比较序列与参考序列对应元素的关联系数，(综合最小值+分辨系数ρ*综合最大值)/(δi(k)+分辨系数ρ*综合最大值)，公式如下：
[0135]
ζi(k)＝min(i)min(k)δi(k)+ρmax(i)max(k)δi(k)/δi(k)+ρmax(i)max(k)δi(k)；
[0136]
其中，ρ为分辨系数，0《ρ《1；若ρ越小，关联系数间差异越大，区分能力越强，通常ρ取0.5；
[0137]
(4)、计算关联度：各比较序列分别计算其各指标与参考序列对应元素的关联系数的均值，以反映各评价对象与参考序列的关联关系，并称其为关联序，公式如下：
[0138]
ri＝ζi(k)/k。
[0139]
实施例3：
[0140]
本实施例还提供了一种电子设备，包括：存储器和处理器；
[0141]
其中，存储器存储计算机执行指令；
[0142]
处理器执行所述存储器存储的计算机执行指令，使得处理器执行本发明任一实施例中的基于灰色关联分析的网络智能运维方法。
[0143]
处理器可以是中央处理单元(cpu)，还可以是其他通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通过处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0144]
存储器可用于储存计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现电子设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器还可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，只能存储卡(smc)，安全数字(sd)卡，闪存卡、至少一个磁盘存储期间、闪存器件、或其他易失性固态存储器件。
[0145]
实施例4：
[0146]
本实施例还提供了一种计算机可读存储介质，其中存储有多条指令，指令由处理器加载，使处理器执行本发明任一实施例中的基于灰色关联分析的网络智能运维方法。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或cpu或mpu)读出并执行存储在存储介质中的程序代码。
[0147]
在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
[0148]
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如cd-rom、cd-r、cd-rw、dvd-rom、dvd-rym、dvd-rw、dvd+rw)、磁带、非易失性存储卡和rom。可选择地，可以由通信网络从服务器计算机上下载程序代码。
[0149]
此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
[0150]
此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的cpu等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
[0151]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。