[发明专利]故障原因定位方法、装置、电子设备及存储介质

权利要求书

1.一种故障原因定位方法，其特征在于，包括：

对故障管理系统上报的历史告警数据进行预处理；

通过PSO算法优化训练模型的初始权值阈值至所述训练模型对应的目标函数算法收敛；

基于寻优的所述初始权值阈值，将预处理后的所述历史告警数据作为所述训练模型的输入、所述历史告警数据对应的故障原因作为所述训练模型的输出进行训练，得到故障原因定位模型；

基于所述故障原因定位模型进行故障原因定位；

所述通过PSO算法优化训练模型的初始权值阈值至所述训练模型对应的目标函数算法收敛，包括：

在经过PSO算法的种群初始化、适应度计算、个体最优粒子更新和全局最优粒子更新后，计算种群中全局最优粒子的变异概率；

基于全局最优粒子的变异概率，对全局最优极值执行变异；

更新种群中的粒子的速度和位置以寻找所述全局最优极值；

当以所述全局最优极值作为所述训练模型初始的权值阈值并使得训练模型对应的目标函数算法收敛或所述PSO算法的迭代次数达到预设的次数时，将所述全局最优极值作为所述训练模型的初始权值阈值；

所述计算种群中全局最优粒子的变异概率的计算公式为其中，k为迭代次数，ρ为改变指数曲线变化率的扩张常数，为第k代的种群适应度方差，p_max为变异概率的最大值，p_min为变异概率的最小值；

所述对全局最优极值执行变异的计算公式为其中，λ为一随机数，η是满足标准正态分布的随机数，Gaussian(σ)是服从高斯分布且标准差为σ的随机数；

所述更新种群中的粒子的速度和位置的计算公式为和X^k+1＝X^k+V^k+1，其中，ω为惯性权重，r₁和r₂为分布于0到1区间的随机数，k是当前迭代次数，为第k次迭代时个体最优粒子位置，为第k次迭代时全局最优粒子位置，c₁和c₂为常数，V^k为第k次迭代时的速度，V^k+1为第k+1次迭代时的速度，X^k为第k次迭代时的粒子位置，X^k+1为第k+1次迭代时的粒子位置。

2.根据权利要求1所述的方法，其特征在于，所述基于所述故障原因定位模型进行故障原因定位，包括：

接收所述故障管理系统上报的当前告警数据；

对所述当前告警数据进行预处理；

将预处理后的所述当前告警数据输入到预先训练的所述故障原因定位模型，以得到与所述当前告警数据对应的故障原因。

3.根据权利要求1所述的方法，其特征在于，所述对故障管理系统上报的历史告警数据进行预处理，包括：

对所述历史告警数据进行去噪、数据补全和归一化处理，得到与所述历史告警数据对应的多维向量。

4.根据权利要求1所述的方法，其特征在于，所述历史告警数据包括传输告警数据、动环监控告警数据、无线告警数据以及家庭宽带告警数据中的至少一种。

5.根据权利要求1所述的方法，其特征在于，所述训练模型为BP神经网络模型。