基于多层LSTMRNN的通信能力开放负荷预测方法及装置

    公开(公告)号:CN109936464B

    公开(公告)日:2022-04-01

    申请号:CN201711352825.X

    申请日:2017-12-15

    Abstract: 本发明实施例公开一种基于多层LSTMRNN的通信能力开放负荷预测方法及装置,能够对通信能力开放平台的负荷进行准确预测。方法包括:获取通信能力开放平台在待预测时间段之前预设时间段内的负荷数据,对所述负荷数据进行归一化处理,将归一化处理后的所述负荷数据变换成适合LSTM神经网络的形状,其中,所述负荷数据包括以小时为颗粒度的每小时API调用量和每小时峰值TPS;将变换形状后的负荷数据输入预先构建的、训练好的多层LSTMRNN负荷预测模型,并将输出结果做反归一化处理,得到所述待预测时间段的负荷预测结果,其中,所述多层LSTMRNN负荷预测模型包括输入层、输出层和至少两层堆叠的LSTM隐藏层。

    基于多层LSTMRNN的通信能力开放负荷预测方法及装置

    公开(公告)号:CN109936464A

    公开(公告)日:2019-06-25

    申请号:CN201711352825.X

    申请日:2017-12-15

    Abstract: 本发明实施例公开一种基于多层LSTMRNN的通信能力开放负荷预测方法及装置,能够对通信能力开放平台的负荷进行准确预测。方法包括:获取通信能力开放平台在待预测时间段之前预设时间段内的负荷数据,对所述负荷数据进行归一化处理,将归一化处理后的所述负荷数据变换成适合LSTM神经网络的形状,其中,所述负荷数据包括以小时为颗粒度的每小时API调用量和每小时峰值TPS;将变换形状后的负荷数据输入预先构建的、训练好的多层LSTMRNN负荷预测模型,并将输出结果做反归一化处理,得到所述待预测时间段的负荷预测结果,其中,所述多层LSTMRNN负荷预测模型包括输入层、输出层和至少两层堆叠的LSTM隐藏层。

    5G消息系统容灾方法、5G消息系统、设备及存储介质

    公开(公告)号:CN117641410A

    公开(公告)日:2024-03-01

    申请号:CN202210972875.2

    申请日:2022-08-15

    Abstract: 本发明公开了一种5G消息系统容灾方法、5G消息系统、设备及存储介质,该方法包括:当主FS模块故障时,主叫终端从DM配置中查询备FS模块的IP地址并根据IP地址向备FS模块上传消息;备FS模块完成消息的接收后,生成data url信息并返回给主叫终端;主叫终端发送data url信息至主消息AS模块;主消息AS模块根据data url信息从备FS模块获取文件控制信息后,下发data url信息至被叫终端,由被叫终端根据data url信息从备FS模块下载消息。本发明能够解除消息AS模块与FS模块之间的耦合关系,使得FS模块故障需要进行容灾倒换时,消息AS模块仍能够获取文件信息。

    基于图注意力网络的切片误告警识别方法及装置

    公开(公告)号:CN114143163B

    公开(公告)日:2023-11-14

    申请号:CN202010819466.X

    申请日:2020-08-14

    Abstract: 本发明实施例涉及通信技术领域,公开了一种基于图注意力网络的切片误告警识别方法及装置,该方法包括:从NSMF中获取当前时刻网络切片节点及邻居节点的特征属性,包括告警文本特征和KPI运行指标特征;根据切片误告警识别模型将网络切片节点的第一告警文本特征与邻居节点的第二告警文本特征进行融合得到属性融合特征;将网络切片节点的第一KPI运行指标特征与邻居节点的第二KPI运行指标特征进行融合得到KPI运行指标融合特征;将属性融合特征和KPI运行指标融合特征进行注意力聚合,确定网络切片节点产生的告警是否属于误告警。通过上述方式,本发明实施例能够提高网络切片误告警识别的准确率,提升运维人员排查告警的效率。

    告警合并方法、装置、计算设备及计算机存储介质

    公开(公告)号:CN114124654B

    公开(公告)日:2023-10-27

    申请号:CN202010795566.3

    申请日:2020-08-10

    Abstract: 本发明实施例涉及通信技术领域,公开了一种告警合并方法、装置、计算设备及计算机存储介质,该方法包括:获取目标告警拓扑图,目标告警拓扑图包括多个网络节点及各网络节点之间的连接关系,每一个网络节点中存储有该网络节点生成的目标告警信息;根据目标告警拓扑图中各网络节点之间的连接关系得到目标邻接矩阵;对目标告警拓扑图中各网络节点生成的目标告警信息进行序列化处理,得到目标特征矩阵;将目标邻接矩阵和目标特征矩阵输入预先训练好的告警合并模型中以得到目标合并告警信息;其中,预先训练好的告警合并模型是根据多组训练数据及相应的训练合并告警序列训练编解码神经网络模型得到的。通过上述方式,本发明实施例实现了告警合并。

    HSS用户搬迁的异常诊断方法、装置及计算设备

    公开(公告)号:CN112203272B

    公开(公告)日:2023-09-08

    申请号:CN201910609185.9

    申请日:2019-07-08

    Abstract: 本发明实施例涉及通信技术领域,公开了一种HSS用户搬迁的异常诊断方法、装置及计算设备,该方法包括:获取所述HSS用户搬迁过程中的源HSS的KPI数据和目标HSS的KPI数据;将所述源HSS的KPI数据和所述目标HSS的KPI数据合并,得到测试数据;将所述测试数据输入重建模型中,得到重建测试数据,所述重建模型是通过多组训练数据训练得到的,所述多组训练数据中的每一组均包含所述HSS用户搬迁过程正常状态下的源HSS的KPI数据和目标HSS的KPI数据;计算所述重建测试数据与所述测试数据之间的重建误差;当所述重建误差大于预设阈值时,确定所述HSS用户搬迁过程异常。通过上述方式,本发明实施例实现了HSS用户搬迁的异常诊断。

Patent Agency Ranking