[发明专利]园区专网的网元驱动方法、装置、电子设备及存储介质

权利要求书

1.一种园区专网的网元驱动方法，其特征在于，应用于园区专网的电子设备，所述方法包括：

获取承载网与核心网的当前的网络告警信息，所述承载网是所述核心网与园区专网之间的网络；

根据预设精度的模型，将所述当前的网络告警信息输入至所述预设精度的模型中，获得预测值，所述预测值表征所述承载网和所述核心网之间当前的网络连接状态；

若确定所述预测值表征的当前的网络连接状态为断网，则驱动所述园区专网的网元，以使所述园区专网的用户识别卡再次入网。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述承载网与所述核心网的多个历史网络告警信息以及对应的数值标签，获得训练样本集和测试样本集，所述数值标签用于表征断网或未发生断网；

根据所述训练样本集中的多个历史网络告警信息对未训练至收敛的模型进行迭代训练，获得已训练至收敛的模型；

将所述测试样本集中的多个历史网络告警信息分别输入至所述已训练至收敛的模型中，获得对应的测试值；

将各所述测试值与所述测试样本集中对应的历史告警信息的数值标签进行比对，若确定与对应数值标签相同的测试值占比达到设定值，则确定获得所述预设精度的模型。

3.根据权利要求2所述的方法，其特征在于，所述获取所述承载网与所述核心网的多个历史网络告警信息以及对应的数值标签，获得训练样本集和测试样本集，包括：

获取所述承载网与所述核心网的多个历史网络告警信息，对所述多个历史网络告警信息进行清洗，获得多个清洗后的历史网络告警信息，各所述清洗后的历史网络告警信息已标注对应的数值标签；

按照设定的比例将所述多个清洗后的历史网络告警信息进行划分，以获得所述训练样本集和所述测试样本集。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述模型为卷积神经网络。

5.根据权利要求2所述的方法，其特征在于，所述根据所述训练样本集中的多个历史网络告警信息对未训练至收敛的模型进行迭代训练，获得已训练至收敛的模型，包括：

初始化所述未训练至收敛的模型的权重与偏置；

每次迭代过程中，通过预设的损失函数计算所述未训练至收敛的模型的输出值与真实值之间的误差，判断该次迭代过程中的误差是否小于或等于目标误差值；

若确定在第M次迭代过程中，第M次迭代过程中的误差大于所述目标误差值，则对所述权重进行调整，并进行下一次迭代；

若确定在第N次迭代过程中，第N次迭代过程中的误差小于或等于所述目标误差值，则确定获得已训练至收敛的模型，所述N、M为正整数且M小于或等于N。

6.根据权利要求1所述的方法，其特征在于，所述网元包括UDM网元和AMF网元，所述驱动所述园区专网的网元，以使所述园区专网的用户识别卡再次入网，包括：

驱动所述园区专网的AMF网元以使基站接入所述核心网中；

若确定所述基站成功接入所述核心网中，则驱动所述园区专网的UDM网元将所述园区内的多个用户识别卡的鉴权信息发送至所述基站，使鉴权信息合法的多个用户识别卡接入所述基站。

7.一种园区专网的网元驱动装置，其特征在于，位于园区专网的电子设备中，所述装置包括：

告警信息获取模块，用于获取承载网与核心网的当前的网络告警信息，所述承载网是所述核心网与园区专网之间的网络；

预测值获取模块，用于根据预设精度的模型，将所述当前的网络告警信息输入至所述预设精度的模型中，获得预测值，所述预测值表征所述承载网和所述核心网之间当前的网络连接状态；

网元驱动模块，用于若确定所述预测值表征的当前的网络连接状态为断网，则驱动所述园区专网的网元，以使所述园区专网的用户识别卡再次入网。