买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浪潮通信信息系统有限公司申请的专利故障定界与定位的方法、设备和存储装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115664946B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211228493.5，技术领域涉及：H04L41/0677；该发明授权故障定界与定位的方法、设备和存储装置是由吴鲜篷设计研发完成，并于2022-10-08向国家知识产权局提交的专利申请。

本故障定界与定位的方法、设备和存储装置在说明书摘要公布了：本发明特别涉及一种故障定界与定位的方法、设备和存储装置。该故障定界与定位的方法、设备和存储装置，采用基于自动学习的因果挖掘算法进行故障关联规则自动发现，基于历史数据进行规则自动评估，评估合格的规则实现自动部署生效，全面提升故障定界与定位的智能化水平。该故障定界与定位的方法、设备和存储装置，提升了关联规则挖掘准确率和故障定位能力，通过建立机器自学习提升了故障命中率，通过实时日志分析和监控提升了故障和投诉监控预防能力以及处理效率，进而节省了运维时长，提高了工作效率，为系统自动化运维提供了助力。

本发明授权故障定界与定位的方法、设备和存储装置在权利要求书中公布了：1.一种故障定界与定位的方法，其特征在于：采用基于自动学习的因果挖掘算法进行故障关联规则自动发现，基于历史数据进行规则自动评估，评估合格的规则实现自动部署生效，全面提升故障定界与定位的智能化水平； 将强化学习应用到打分法的因果发现算法中，通过基于自注意力机制的encoder-decoder神经网络模型探索数据之间的关系，结合因果结构的条件，并使用策略梯度的强化学习算法对神经网络参数进行训练，最终得到因果图结构； 包括以下步骤： 步骤S1、模型设计 创建基于自注意力机制的encoder-decoder神经网络模型，用于挖掘出告警之间的因果关联，利用因果关系图自动挖掘海量告警中隐藏的关联信息，以丰富网络故障管理平台的关联规则库； 步骤S2、选择基于强化学习的因果挖掘CDWRL算法作为核心算法； 步骤S3、数据预处理 采用Fink流数据处理的方式将海量告警数据和资源数据输入到Redis分析池中，并基于资源关系获取网元以及关联设备作为构建关系图的基础；然后选择一组关系，结合历史告警数据，找出组合内所有的告警类型，使用告警标题标识告警类型； 按照告警发生的时间，根据时间窗将告警数据处理成按时间片分割的数据，每条数据之间是独立的； 步骤S4、构建有向无环图DGA 设计一个以原始数据矩阵为输入，以图的邻接矩阵为输出的基于神经网络的图生成器；采用抽样的思想从N条数据中抽取m个样本，用于图生成，得到一个m*d的矩阵；然后开始构图，矩阵的每一列是图的一个节点，通过建立两两节点之间的关系，最能得到一个d*d的邻接矩阵，也就是初始的有向无环图DAG； 步骤S5、有向无环图DGA迭代优化 控制打分函数的下限和上限，并不断调整参数，对结果进行无环性约束，基于打分的方式，通过训练图的迭代，实现有向无环图DGA的结构迭代优化； 步骤S6、构建打分函数和无环性约束 设计图结构打分函数，对图结构进行评分，基于打分的方式以及图的无环性约束进行训练，得到BIC得分最高的有向无环图DGA结构； 有向无环图DGA的BIC打分公式为： 其中，θ为自定义参数，为参数θ的最大似然估计量，dθ为参数θ的维数，p为范畴假设，m为底数； 具有二元邻接矩阵A的有向无环图DGA的无环性约束公式如下： hA＝traceeA-d＝0 其中，eA为矩阵A的指数，用幂级数展开，即E+A+A22！+A33！+...； 步骤S7、构建评分函数 基于打分函数和无环性约束构建评分函数，通过梯度下降过程的迭代，最终得到优化后的有向无环图DGA结构； 评分函数为： 其中，SG为向无环图DGA的得分，DAGs为BIC得分最高的有向无环图DGA图结构的集合，I为指示函数，当输入为True时，输出为1，输入为False时，输出为0，用于计数；λ1与λ2为两个不小于0的惩罚参数，λ1与λ2越大，对有向无环图DGA的无环性约束就越强； 自定义调整参数λ1与λ2，使评分reward最大化，即可得到优化后的有向无环图DGA结构； 步骤S8、可视化展示 利用可视化工具将最终得到的向无环图DGA的邻接矩阵绘制出来进行展示，图中的节点代表告警类型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浪潮通信信息系统有限公司，其通讯地址为：250100 山东省济南市高新区浪潮路1036号浪潮科技园S06号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。