-
公开(公告)号：CN114257490B
公开(公告)日：2023-08-15
申请号：CN202011004214.8
申请日：2020-09-22
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
发明人： 徐晶 , 王西点 , 王磊 , 周胜 , 王军 , 高峰 , 王亚楠 , 贾子寒 , 聂臻霖 , 石铎 , 陶雨 , 方波 , 谭裴 , 程楠 , 赵文娟 , 沈骜 , 张冬晨 , 王国治 , 刘大洋 , 罗枫 , 宗宇雷 , 沈金虎 , 吴磊 , 张洪伟 , 王耀祖 , 方媛 , 刘鹏程 , 左晶蕾
IPC分类号： H04L41/0604 , H04L41/0631 , H04L41/069
摘要： 本发明实施例提供一种无线网络性能告警分析方法及装置，该方法包括：根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。本实施例使用关联分析算法对周边小区性能告警之间的相关性进行深度挖掘，实现相关告警的有效合并，大大降低告警量，同时对相关性能告警指向的同一问题进行分析，提高了性能告警分析的效率和精准度。
-
公开(公告)号：CN113891342B
公开(公告)日：2023-08-15
申请号：CN202010634040.7
申请日：2020-07-02
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
发明人： 王磊 , 王西点 , 徐晶 , 周胜 , 王军 , 高峰 , 王亚楠 , 贾子寒 , 聂臻霖 , 石铎 , 陶雨 , 闫渊 , 薛阳 , 方波 , 谭裴 , 程楠 , 赵文娟 , 沈骜 , 张冬晨 , 罗枫 , 宗宇雷 , 沈金虎 , 王国治 , 吴磊 , 张洪伟 , 王耀祖 , 石巍 , 方媛 , 刘鹏程 , 徐泽涛 , 凌济民 , 左晶蕾
IPC分类号： H04W24/02 , H04W24/04 , H04W24/08 , H04L43/50 , H04L43/0823
摘要： 本发明实施例提供一种基站巡检方法、装置、电子设备及存储介质，所述方法包括：利用预先构建的基站告警数据异常检测模型对基站告警目标数据进行异常检测，获得检测结果；基于所述检测结果生成巡检机房列表；其中，所述基站告警数据异常检测模型为基于基站告警样本数据训练获得的自编码器模型或变分自编码器模型。本发明实施例提供的基站巡检方法及装置，利用自编码器模型有效地从大量历史数据中挖掘告警数据与隐患基站之间的关联关系，对高隐患站点进行准确、及时的定位，通过提前预测高危基站，指导运维资源分配调度，实现精准巡检，提升网络运维的效率和质量。
-
公开(公告)号：CN114257490A
公开(公告)日：2022-03-29
申请号：CN202011004214.8
申请日：2020-09-22
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
发明人： 徐晶 , 王西点 , 王磊 , 周胜 , 王军 , 高峰 , 王亚楠 , 贾子寒 , 聂臻霖 , 石铎 , 陶雨 , 方波 , 谭裴 , 程楠 , 赵文娟 , 沈骜 , 张冬晨 , 王国治 , 刘大洋 , 罗枫 , 宗宇雷 , 沈金虎 , 吴磊 , 张洪伟 , 王耀祖 , 方媛 , 刘鹏程 , 左晶蕾
IPC分类号： H04L41/0604 , H04L41/0631 , H04L41/069
摘要： 本发明实施例提供一种无线网络性能告警分析方法及装置，该方法包括：根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。本实施例使用关联分析算法对周边小区性能告警之间的相关性进行深度挖掘，实现相关告警的有效合并，大大降低告警量，同时对相关性能告警指向的同一问题进行分析，提高了性能告警分析的效率和精准度。
-
公开(公告)号：CN109495898B
公开(公告)日：2021-12-03
申请号：CN201710819350.4
申请日：2017-09-12
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团公司
摘要： 本发明实施例提供一种无线网络覆盖的指标定量预测方法及设备。所述方法包括：获取无线网络的特征数据，所述特征数据包括网络结构、无线参数数据、地形地貌数据及业务分布数据；将所述特征数据输入训练好的深度学习模型，获取无线网络覆盖的指标定量预测数据。本发明实施例利用训练好的深度学习模型对无线网络的特征数据进行分析和计算，可获得网络覆盖的指标定量预测数据。本发明实施例尽可能的包含当前场景的所有细节，包括网络结构、无线参数数据、地形地貌数据及业务分布数据等，最大限度的实现当前场景的全面分析，能对优化后的指标做出准确的、定量的、符合客户感知的、及时的预测。
-
公开(公告)号：CN113379176A
公开(公告)日：2021-09-10
申请号：CN202010158291.2
申请日：2020-03-09
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
摘要： 本发明实施例提供一种电信网络异常数据检测方法、装置、设备和可读存储介质，其中方法包括：获取电信网络中待检测小区对应的网络特征数据；将网络场景相同的待检测小区对应的网络特征数据输入电信网络异常数据检测模型，得到所述电信网络的异常检测结果；其中，电信网络异常数据检测模型由多个基学习器组成；所述基学习器是以网络场景相同的小区对应的网络特征数据为训练样本进行训练得到。本发明实施例提供的电信网络异常数据检测方法、装置、设备和可读存储介质，通过使用基于集成学习的电信网络异常数据检测模型检测出电信网络中的异常数据，根据集成学习能够整体上提高检测模型泛化能力的特征，从而提高了电信网络异常数据检测的准确性。
-
公开(公告)号：CN112836843A
公开(公告)日：2021-05-25
申请号：CN201911168434.1
申请日：2019-11-25
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
摘要： 本发明实施例提供一种基站退服告警预测方法及装置，所述方法包括：获取基站特征数据和基站所在区域的天气信息数据；输入所述基站特征数据和所述天气信息数据至预设基站退服告警预测模型，并将所述预设基站退服告警预测模型的输出结果作为基站退服告警预测结果；其中，所述预设基站退服告警预测模型采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络得到。所述装置执行上述方法。本发明实施例提供的基站退服告警预测方法及装置，能够提前、准确、高效地进行基站退服告警预测，进而提升网络运维的效率和质量。
-
公开(公告)号：CN109151919B
公开(公告)日：2021-03-05
申请号：CN201710443999.0
申请日：2017-06-13
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团公司
IPC分类号： H04W36/00
摘要： 本发明实施例涉及一种切换参数优化方法及装置、电子设备以及计算机可读存储介质，该方法中首先获取更新的切换参数调整列表中用于表示小区与邻小区的切换关系的元素，若判断该元素不满足预约两个小区之间切换带大小的约束条件，则对该元素进行调整直至满足。从而能够通过对各小区与邻区之间对应的切换元素的约束，限制各个小区在调整切换边界时与邻区的切换带的变化，以保证切换带的变化更为合适，避免出现两个小区盲目改变切换边界造成的切换带过大或过窄甚至没有切换带的情况，从而更好的保障参数优化的调整效果。
-
公开(公告)号：CN103152757B
公开(公告)日：2015-10-07
申请号：CN201110404649.6
申请日：2011-12-07
申请人： 中国移动通信集团设计院有限公司
摘要： 一种指令下发的方法及设备，主要内容包括：针对待执行的指令序列中包含的每个指令，按照排列顺序依次向网元下发指令，并判断在下发某一指令后，是否在其对应的预期时间内返回下发成功响应消息，若接收到，表示该指令已成功下发至相应的网元，可根据排列顺序继续下发下一条指令，若没有接收到，表示该指令可能没有成功下发至相应的网元，则需重新下发该指令，使得该指令通过重新下发能够正确地到达相应网元，以确保每一条指令尽可能的成功下发至相应的网元，提高指令下发的有效性。
-
公开(公告)号：CN112836843B
公开(公告)日：2024-04-09
申请号：CN201911168434.1
申请日：2019-11-25
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
IPC分类号： G06Q10/04 , G06N3/0442 , G06N3/08
摘要： 本发明实施例提供一种基站退服告警预测方法及装置，所述方法包括：获取基站特征数据和基站所在区域的天气信息数据；输入所述基站特征数据和所述天气信息数据至预设基站退服告警预测模型，并将所述预设基站退服告警预测模型的输出结果作为基站退服告警预测结果；其中，所述预设基站退服告警预测模型采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络得到。所述装置执行上述方法。本发明实施例提供的基站退服告警预测方法及装置，能够提前、准确、高效地进行基站退服告警预测，进而提升网络运维的效率和质量。
-
公开(公告)号：CN113379176B
公开(公告)日：2023-12-19
申请号：CN202010158291.2
申请日：2020-03-09
申请人： 中国移动通信集团设计院有限公司 , 中国移动通信集团有限公司
IPC分类号： G06Q10/0637 , G06Q50/30 , G06F18/214 , G06F18/23213 , G06F18/2433 , G06N20/00
摘要： 异常数据，根据集成学习能够整体上提高检测模本发明实施例提供一种电信网络异常数据 型泛化能力的特征，从而提高了电信网络异常数检测方法、装置、设备和可读存储介质，其中方法 据检测的准确性。包括：获取电信网络中待检测小区对应的网络特征数据；将网络场景相同的待检测小区对应的网络特征数据输入电信网络异常数据检测模型，得到所述电信网络的异常检测结果；其中，电信网络异常数据检测模型由多个基学习器组成；所述基学习器是以网络场景相同的小区对应的网络特征数据为训练样本进行训练得到。本发明实施(56)对比文件Ryota Hinami等.Joint Detection andRecounting of Abnormal Events by LearningDeep Generic Knowledge.2017 IEEEinternational Conference on ComputerVision(ICCV).2017,3639-3647.张志平.基于集成方法的异常点检测.信息与电脑（理论版）.2019,第31卷(第20期),48-49.许振等.基于聚类的兴趣区域间异常轨迹并行检测算法.南京师大学报（自然科学版）.2019,第42卷(第1期),59-64.
-
-
-
-
-
-
-
-
-
搜索结果
38 条记录 (耗时 0.072 秒)
