[发明专利]一种基于人工智能的网元设备故障预测方法及系统

说明书

本发明涉及设备维护技术领域，具体涉及一种基于人工智能的网元设备故障预测方法及系统，包括：步骤S1，采集网元设备的多个特征的历史数据；步骤S2，对所述历史数据通过分类模型进行处理得到一历史数据分类集合，所述历史数据分类集合包括所述历史数据的故障类型及对应的概率；步骤S3，依据所述历史数据预测预定时间后的特征数据，对所述预定时间后的特征数据通过所述分类模型进行处理得到一预测数据集合，所述预测数据集合包括可能发生的故障类型及对应的概率；步骤S4，基于所述历史数据分类集合和所述预测数据集合进行加权累加得到判断集合，所述判断集合包括故障类型及对应的概率。

技术领域

本发明涉及设备维护技术领域，具体涉及一种基于人工智能的网元设备故障预测方法及系统。

背景技术

信息化的工作方式已是许多企业日常办公的模式，因部分企业运行需求，需自行组建局域网，所以无法得到运营商对于网络维护的技术支持，目前实现对故障类型分析现有技术的实现方式：需要企业成立维护团队、或将维护工作进行服务外包，在故障发生时通过工程师现场检修的方式排障及解决故障。

现有技术主要是使用分类模块的方式统计故障类型，但是没有对未来可能发生故障可能性的预警。且日常还需对设备自动化巡检或进行人工巡检，对于人工的损耗较多。

发明内容

本发明的目的还在于，提供一种基于人工智能的网元设备故障预测方法及系统，解决以上技术问题；

一种基于人工智能的网元设备故障预测方法，包括：

步骤S1，采集网元设备的多个特征的历史数据；

步骤S2，对所述历史数据通过分类模块进行处理得到一历史数据分类集合，所述历史数据分类集合包括所述历史数据的故障类型及对应的概率；

步骤S3，通过时间序列分析模块以预定时间预测所述历史数据得到预定时间后的特征数据，对所述预定时间后的特征数据通过所述分类模块进行处理得到一预测数据集合，所述预测数据集合包括可能发生的故障类型及对应的概率；

步骤S4，基于所述历史数据分类集合和所述预测数据集合进行加权累加得到判断集合，所述判断集合包括故障类型及对应的概率。

优选的，其中，步骤S2包括：

步骤S21，将所述历史数据通过所述第一分类模块预训练处理得到第一集合；

步骤S22，将所述历史数据通过所述第二分类模块预训练处理得到第二集合；

步骤S23，将所述第一分类模块和所述第二分类模块进行模型融合，得到融合后的故障类型及对应的概率，通过对所述故障类型及对应的概率加权累加得到所述历史数据分类集合。

优选的，其中，步骤S3包括：

步骤S31，将所述历史数据输入至对应的所述时间序列分析模块；

步骤S32，将所述历史数据的数值按其先后发生的时间顺序排列，对所述历史数据进行预训练处理；

步骤S33，预测每一所述历史数据的数值于所述预定时间后的数值，得到所述预定时间后的特征数据。

3.优选的，其中，步骤S33之后还包括：

步骤S34，将所述预定时间后的特征数据通过所述第一分类模块预训练处理得到第三集合；

步骤S35，将所述预定时间后的特征数据通过所述第二分类模块预训练处理得到第四集合；

步骤S36，将所述第一分类模块和所述第二分类模块进行模型融合，得到融合后的故障类型及对应的概率，通过对所述故障类型及对应的概率加权累加得到所述预测数据集合。

优选的，其中，步骤S4之后还包括：