基于机器学习的通信网告警关联分析综述

被引:13
作者
丁宏 [1 ]
周宏林 [2 ]
机构
[1] 中国移动通信集团四川有限公司
[2] 东方电气集团科学技术研究院有限公司
关键词
告警关联分析; 关联规则挖掘; 机器学习; 数据挖掘; 故障管理;
D O I
10.13661/j.cnki.issn1001-9006.2021.01.019
中图分类号
TN915 [通信网]; TP181 [自动推理、机器学习]; TP311.13 [];
学科分类号
080906 [电磁信息功能材料与结构]; 140502 [人工智能];
摘要
告警关联分析是通信网故障管理的重要手段,通过告警关联分析网络维护人员能够进行告警压缩和故障定位。它是智能运维的关键技术之一,因此全面而系统地对告警关联分析的步骤和算法进行总结非常必要。本文首先对基于机器学习的通信网告警关联分析的步骤进行了介绍,然后对告警预处理、告警关联分析算法、告警关联规则生成等步骤中目前学者研究的主要问题和方法进行了分析比较。接下来对基于大数据处理框架的告警关联分析实现进行了对比,最后对告警关联分析的研究进行了总结和展望。
引用
收藏
页码:77 / 84+88 +88
页数:9
相关论文
共 23 条
[1]
面向业务的基于模糊关联规则挖掘的网络故障诊断 [D]. 
吴简 .
电子科技大学,
2012
[2]
基于数据挖掘的通信网告警相关性分析研究 [D]. 
李彤岩 .
电子科技大学,
2010
[3]
基于改进FP growth的告警关联算法 [J].
鲁显光 ;
杜学绘 ;
王文娟 .
计算机科学, 2019, 46 (08) :64-70
[4]
面向5G海量网管数据的故障溯源技术 [J].
陈墨 ;
金磊 ;
龚向阳 ;
满毅 .
北京邮电大学学报, 2018, (05) :131-136+142
[5]
基于时间、空间和规则的无线网络告警关联方法 [J].
万莹 ;
洪玫 ;
陈宇星 ;
王帅 ;
樊哲宁 .
计算机科学, 2018, 45(S2) (S2) :287-291
[6]
基于神经网络的通信网络告警关联分析及应用 [J].
刘洪波 ;
陈刚 ;
宫钦 .
电信技术, 2018, (05) :32-35
[7]
加权增量关联规则挖掘在通信告警预测中的应用 [J].
王帅 ;
杨秋辉 ;
曾嘉彦 ;
万莹 ;
樊哲宁 ;
张光兰 .
计算机应用, 2018, 38 (10) :2875-2880
[8]
PFPonCanTree:一种基于MapReduce的并行频繁模式增量挖掘算法 [J].
肖文 ;
胡娟 ;
周晓峰 .
计算机工程与科学, 2018, 40 (01) :15-23
[9]
面向工业大数据的多层增量特征提取方法 [J].
汪星 ;
黄小瑜 ;
刘瑄璞 ;
孔宪光 ;
牛萌 .
西安电子科技大学学报, 2018, 45 (04) :106-111
[10]
基于加权频繁模式树的通信网络告警规则挖掘方法 [J].
罗明 ;
孟传伟 ;
黄海量 .
计算机工程, 2016, 42 (04) :190-196