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！

申请/专利权人：西安电子科技大学

摘要：本发明提出了一种基于图神经网络的无线通信网络故障根因定位方法。主要解决现有技术故障根因定位准确率低的问题。其实现方案是：1、对原始时间序列进行时间序列特征工程处理，用图表征时间序列中不同关键绩效指标之间的复杂影响关系，得到时间序列构成的图数据集；2、对时间序列构成的图数据集进行多次图卷积、图池化和结构学习处理，实现图关键信息提取；3、利用提取的图关键信息进行图分类，得到图的初步预测标签并对其进行优化，根据图的最终预测标签与故障根因的对应关系，得到无线通信网络的故障原因。本发明有效利用了无线通信网络不同关键绩效指标之间的复杂影响关系，极大提升了无线通信网络故障根因定位的准确率，可用于无线通信网络智能运维。

主权项：1.一种基于图神经网络的无线通信网络故障根因定位方法，其特征在于，包括如下步骤：1对原始时间序列进行时间序列特征工程处理：1a根据用户提供的因果关系图，筛选所有时间序列中影响无线通信网络下行链路速率的关键绩效指标KPIs，得到筛选后的时间序列张量χ0；1b对每个时间序列中的缺失值进行填充，即将每个时间序列中缺失值所在列的平均值填充在该缺失值位置处；1c对填充后每个时间序列的每个KPI提取其平均值、中位数、标准差以及偏度4种统计特征；1d对每个时间序列提取的统计特征使用Min-Max进行归一化，得到归一化后的时间序列张量χ；1e对数据归一化后的时间序列张量χ进行图表征，采用无线通信网络的KPIs作为图中的节点，采用因果关系图中的连接关系作为图中节点的边，采用每个时间序列的故障状态作为图的标签，得到时间序列构成的图数据集2对时间序列构成的图数据集进行图池化：2a对时间序列构建的每张图G使用图卷积神经网络GCN聚合邻居节点信息；2b对聚合邻居节点信息后的每个节点，采用同时考虑结构和特征的多视图评估指标计算节点的重要性分数p，筛选出排名靠前的l个节点，构成节点子集2c计算节点子集中不同节点之间的相似性分数Ep,q，并对其进行归一化；2d对归一化结果进行图池化，即将归一化中稀疏概率激活函数sparsemax输出结果为1的节点进行连接，得到图池化后的子图G′。3对无线通信网络故障进行根因定位：3a重复步骤2得到不同大小的子图及其节点嵌入，并对每个子图节点嵌入使用平均池化和最大池化连接，得到汇总后的子图节点嵌入r；3b将不同子图的节点嵌入相加，得到最终的图级别嵌入z；3c将图级别的嵌入z送入多层感知机MLP进行图分类，得到图的初步预测标签，利用交叉熵损失函数对其进行优化，得到图的最终预测标签根据图的最终预测标签与故障根因的对应关系，得到无线通信网络故障的根本原因。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于图神经网络的无线通信网络故障根因定位方法