本申请涉及网络检测领域,尤其涉及一种故障定位模型训练方法、网络故障定位方法及相关设备。
背景技术:
1、随着电信网络规模日益庞大,组网结构复杂,构成网络的硬件设备以及软件模块也多种多样。在网络的运行过程中,各类硬件设备和软件模块每天产生海量告警。一旦电信网络出现故障,需要快速准确地判断故障所在位置、类型和故障原因,以实现网络故障定位,以便于根据故障定位反馈快速修复故障。
2、相关技术中,基于专家经验制定故障分析和定位规则,通过故障分析和定位规则完成故障定位。但,需要大量的专家知识形成知识库,需要人工制定规则,且知识库需要定期更新和维护,增加网络故障定位的人力和成本,影响网络故障定位的效率。因此,如何降低网络故障定位的人力和成本,提高网络故障定位的效率,成为了亟待解决的技术问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种大型故障定位模型训练方法、网络故障定位方法及相关设备,旨在降低网络故障定位的人力和成本,提高网络故障定位的效率。
2、为实现上述目的,本申请实施例的第一方面提出了一种故障定位模型训练方法,所述方法包括:
3、获取训练告警数据;其中,所述训练告警数据包括多个目标设备的训练告警序列;
4、根据所述训练告警序列对预设的训练图像模板进行像素值设置,得到每一目标设备的多张候选训练图像;
5、将多张所述目标设备的每一所述候选训练图像进行像素叠加处理,得到训练告警图像;
6、将所述训练告警图像输入至预设的故障定位模型进行故障定位,得到网络故障定位预测信息;
7、根据预设的故障定位验证信息和所述故障定位预测信息对所述故障定位模型进行参数调整。
8、在一些实施例,所述根据所述训练告警序列对预设的训练图像模板进行像素值设置,得到每一目标设备的多张候选训练图像,包括:
9、获取所述训练图像模板的模板尺寸参数;
10、根据所述模板尺寸参数和预设尺寸参数对所述训练告警序列进行分割处理,得到多个训练告警序列段;
11、根据每一所述训练告警序列段对所述训练图像模板进行像素值设置,得到初步训练图像;
12、根据多个所述训练告警序列段将所述初步训练图像进行拼接处理,得到多张所述候选训练图像。
13、在一些实施例,所述训练告警序列内的值表征所述目标设备的运行状态;所述根据每一所述训练告警序列段对所述训练图像模板进行像素值设置,得到所述初步训练图像,包括:
14、获取所述训练告警序列段中的数值总数;
15、获取所述训练告警序列段中所述运行状态为告警状态的数值数量;
16、根据所述数值数量和所述数值总数之间的比值设置所述训练图像模板对应像素的值,得到所述初步训练图像。
17、在一些实施例,在所述根据所述训练告警序列对预设的训练图像模板进行像素值设置,得到每一目标设备的多张候选训练图像之前,所述方法还包括:
18、获取目标网络系统的设备数量;
19、根据预设的因子分解规则对所述设备数量进行分解处理,得到所述模板尺寸参数;
20、根据所述模板尺寸参数构建所述训练图像模板。
21、在一些实施例,所述获取训练告警数据,包括:
22、从预设的目标知识库中提取出历史告警事件;其中,所述历史告警事件包括每一告警设备的告警信息,所述告警信息包括告警时间和告警设备标识,所述告警设备是产生告警的所述目标设备;
23、根据所述告警时间和所述告警设备标识构建多个所述目标设备的所述训练告警序列。
24、在一些实施例,所述故障定位验证信息包括:告警重要级别验证信息和故障源头验证信息,所述故障定位预测信息包括:告警重要级别预测信息和故障源头预测信息;所述根据预设的故障定位验证信息和所述故障定位预测信息对所述故障定位模型进行参数调整,包括:
25、对所述告警重要级别验证信息和所述告警重要级别预测信息进行损失计算,得到重要级别损失数据;
26、对所述故障源头验证信息和所述故障源头预测信息进行损失计算,得到源头损失数据;
27、根据所述重要级别损失数据和所述源头损失数据对所述故障定位模型进行参数调整。
28、为实现上述目的,本申请实施例的第二方面提出了一种网络故障定位方法,所述方法包括:
29、获取实时告警数据;其中,所述实时告警数据包括:多个所述目标设备的实时告警序列;
30、根据所述实时告警序列对所述训练图像模板进行像素值设置,得到每一所述目标设备的实时告警图像;
31、将多张所述实时告警图像进行像素叠加,得到目标告警图像;
32、将所述目标告警图像输入至所述故障定位模型进行故障定位,得到目标故障定位信息;其中,所述故障定位模型通过如第一方面所述的故障定位模型训练方法得到。
33、为实现上述目的,本申请实施例的第三方面提出了一种故障定位模型训练装置,所述装置包括:
34、数据获取模块,用于获取训练告警数据;其中,所述训练告警数据包括多个目标设备的训练告警序列;
35、像素值设置模块,用于根据所述训练告警序列对预设的训练图像模板进行像素值设置,得到每一目标设备的多张候选训练图像;
36、叠加模块,用于将多张所述目标设备的每一所述候选训练图像进行像素叠加处理,得到训练告警图像;
37、训练故障定位模块,用于将所述训练告警图像输入至预设的故障定位模型进行故障定位,得到网络故障定位预测信息;
38、参数调整模块,用于根据预设的故障定位验证信息和所述故障定位预测信息对所述故障定位模型进行参数调整。
39、为实现上述目的,本申请实施例的第四方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法,或如第二方面所述的方法。
40、为实现上述目的,本申请实施例的第五方面提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法,或如第二方面所述的方法。
41、本申请提出的故障定位模型训练方法、网络故障定位方法及相关设备,其通过将多个目标设备的训练告警序列转换为图像形式,且图像内每一个像素对应一个目标设备以构建训练告警图像。通过训练告警图像对故障定位模型进行训练,以构建故障定位准确的故障定位模型。因此,通过训练出故障定位准确的故障定位模型,那么故障定位模型可以自动从告警图像中做出故障定位,无需人工制定规则,大幅度节省人力资源和成本,提高故障定位的效率。
1.一种故障定位模型训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述训练告警序列对预设的训练图像模板进行像素值设置,得到每一目标设备的多张候选训练图像,包括:
3.根据权利要求2所述的方法,其特征在于,所述训练告警序列内的值表征所述目标设备的运行状态;所述根据每一所述训练告警序列段对所述训练图像模板进行像素值设置,得到所述初步训练图像,包括:
4.根据权利要求2所述的方法,其特征在于,在所述根据所述训练告警序列对预设的训练图像模板进行像素值设置,得到每一目标设备的多张候选训练图像之前,所述方法还包括:
5.根据权利要求1所述的方法,其特征在于,所述获取训练告警数据,包括:
6.根据权利要求1所述的方法,其特征在于,所述故障定位验证信息包括:告警重要级别验证信息和故障源头验证信息,所述故障定位预测信息包括:告警重要级别预测信息和故障源头预测信息;所述根据预设的故障定位验证信息和所述故障定位预测信息对所述故障定位模型进行参数调整,包括:
7.一种网络故障定位方法,其特征在于,所述方法包括:
8.一种故障定位模型训练装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的故障定位模型训练方法,或者如权利要求7所述的网络故障定位方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的故障定位模型训练方法,或者如权利要求7所述的网络故障定位方法。