[发明专利]基于代价敏感支持向量机的通信系统故障确定方法

说明书

本发明是一种基于代价敏感支持向量机的通信系统故障确定方法，代价敏感针对于故障的不同严重程度，将故障分为严重故障、一般故障和轻微故障，然后在代价敏感机器学习中，给不同严重程度样本不同的损失权重因子。本发明使用代价敏感支持向量机进行故障根因分析，将不同错误根因分类代价分配给属于不同严重程度的故障样本，故障严重程度越高，根因分析分类错误代价相对更大，使得算法更合理地关注于不同严重程度的故障根因分类情况，从而减少对各个严重程度故障进行根因分析的误判。使用网格搜索方法，寻找不同故障严重程度对应分类错误代价组合的最优取值，以此进一步提高无线通信系统的故障根因分析准确度。

技术领域

本发明涉及无线通信领域，具体为一种基于代价敏感支持向量机的通信系统故障根因分析方法。

背景技术

在无线通信网络的运行维护过程中，不可避免地会出现关键性能指标(KPI,KeyPerformance Indicator)恶化的问题，随着网络的异构化和复杂化，技术人员需要在大量观测变量中寻找导致通信系统性能下降的原因，使得手动对网络进行故障根因分析变得难以完成。

目前针对网络故障根因分析问题，现有的方法为使用机器学习方法来解决手动对网络进行故障根因分析的困难。作为分类任务中最强大的机器学习方法之一，支持向量机成为求解根因分析问题的重要方法。在应用支持向量机于根因分析问题的方法中，很少利用代价敏感学习，使得所有样本具有相同的权重，这很明显是不合理的，因为每个故障样本对网络的损害程度是不同的。因此，在实际通信系统中，故障本身不同的严重程度信息是不可忽略的，而且可以利用该信息来提升网络故障根因分析的性能。

因此，如何高效率地寻找通信系统性能下降的原因成为亟待解决的技术问题，也是无线通信系统故障根因分析的任务。

发明内容

技术问题：本发明的目的是提供一种基于代价敏感支持向量机的通信系统故障确定方法，使用网格搜索方法，寻找不同故障严重程度对应分类错误代价组合的最优取值，以此进一步提高无线通信系统的故障根因分析准确度。

技术方案：在本发明的一种基于代价敏感支持向量机的通信系统故障确定方法中，代价敏感针对于故障的不同严重程度，将故障分为严重故障、一般故障和轻微故障，然后在代价敏感机器学习中，给不同严重程度样本不同的损失权重因子。本发明使用代价敏感支持向量机进行故障根因分析，将不同错误根因分类代价分配给属于不同严重程度的故障样本，故障严重程度越高，根因分析分类错误代价相对更大，使得算法更合理地关注于不同严重程度的故障根因分类情况，从而减少对各个严重程度故障进行根因分析的误判。

本发明中使用的网络关键性能指标包括信号干扰加噪声比(Signal-to-interference-plus-noise Ratios,SINR)和参考信号接收功率(Reference SignalReceived Power,RSRP)。

本方法考虑网络中可能发生的以下网络故障类型：天线倾角过小(Excessiveuptilt,EU)，天线倾角过大(Excessive downtilt,ED)和过度降低功率(Excessivereduced power,ERP)。

该方法具体包括如下步骤：

第一步：生成网络KPI，并进行故障严重程度判断，构建支持向量机训练集；