链路检测方法、装置、设备及存储介质

    公开(公告)号:CN115765867B

    公开(公告)日:2024-05-07

    申请号:CN202211457756.X

    申请日:2022-11-21

    Abstract: 本申请提供一种链路检测方法、装置、设备及存储介质。该方法包括:在第一设备和第二设备之间的光传送网中确定光网传输段;确定所述光网传输段对应的输入端口和输出端口;获取所述输入端口的输入光功率、以及所述输出端口的输出光功率;获取所述光网传输段的传输段类型,所述传输段类型为单向类型或者双向类型;根据所述输入光功率、所述输出光功率和所述传输段类型,确定所述光网传输段的检测结果。提高了链路检测的效率。

    线路的检查方法、装置、设备及存储介质

    公开(公告)号:CN116232451B

    公开(公告)日:2024-11-29

    申请号:CN202310168010.5

    申请日:2023-02-13

    Abstract: 本申请提供一种线路的检查方法、装置、设备及存储介质,涉及通信领域,用于解决对网元设备之间的线路的状态预测的问题。该方法包括:获取第一信息和第二信息,第一信息包括:至少一个第一光衰值,第一光衰值为第一预设时段内第一线路的光衰值,第二信息包括:至少一个第二光衰值,第二光衰值为第二预设时段内第一线路的光衰值,第二预设时段早于第一预设时段。对至少一个第二光衰值进行处理,生成第一阈值,第一阈值为至少一个第二光衰值之间的平均数。若至少一个第一光衰值中存在大于第一阈值的光衰值,则生成第一预测信息,第一预测信息用于指示第一线路在第三预设时段内存在劣化趋势,第三预设时段晚于第一预设时段。

    特征预测模型训练、核心网业务异常检测方法及装置

    公开(公告)号:CN114266300B

    公开(公告)日:2023-01-24

    申请号:CN202111541985.5

    申请日:2021-12-16

    Abstract: 本申请提供一种特征预测模型训练、核心网业务异常检测方法及装置。特征预测模型训练方法包括:获取样本数据集:目标业务的核心网KPI组在各样本时刻对应的样本特征图;样本特征图是基于KPI组中至少两个KPI的样本时序数据获取的。使用样本数据集训练预设模型,得到特征预测模型;特征预测模型用于根据输入的目标业务的核心网KPI组在目标检测时刻对应的实际特征图,以及,目标检测时刻之前每一目标时刻对应的实际特征图,输出核心网KPI组在目标检测时刻的预测特征图,以及,在每一目标时刻对应的预测特征图;预测特征图指的是目标业务未出现异常时,核心网KPI组对应的特征图。本申请提高了核心网业务异常检测的准确性。

    一种网元检测方法及相关装置
    4.
    发明公开

    公开(公告)号:CN114266288A

    公开(公告)日:2022-04-01

    申请号:CN202111402039.2

    申请日:2021-11-19

    Abstract: 本申请提供一种网元检测方法及相关装置。该方法包括:获取第一历史性能数据和第一历史告警数据;将所述第一历史性能数据作为输入数据,将所述第一历史告警数据作为标签,对初始分类模型进行监督训练,得到目标分类模型。将目标网元的目标性能数据输入所述目标分类模型,就可以预测所述目标性能数据对应的告警数据。本申请提出的技术方案中,不仅可以根据网元性能数据预测网元风险,还可以对预测的网元风险结果进行评估,并根据评估的网元风险预测结果来实现目标分类模型的自动迭代。

    模型训练方法、机房蓄电池的备电时长预测方法及装置

    公开(公告)号:CN119514802A

    公开(公告)日:2025-02-25

    申请号:CN202411708156.5

    申请日:2024-11-26

    Abstract: 本申请实施例提供一种模型训练方法、机房蓄电池的备电时长预测方法及装置。可用于人工智能技术领域。该方法包括:获取第一训练样本;根据放电时长和标准放电曲线信息,确定第一机房蓄电池的标准能量,以及,根据放电时长和实际放电曲线信息,确定第一机房蓄电池的实际能量;根据标准能量、实际能量和标准容量,确定第一机房蓄电池的实际容量;根据实际容量和性能影响因素信息,确定第一机房蓄电池的备电时长;根据备电时长和第一机房蓄电池的特征信息,训练得到机房蓄电池的备电时长预测模型。该方法用以达到提高机房蓄电池的备电时长预测准确性的效果。

    特征预测模型训练、核心网业务异常检测方法及装置

    公开(公告)号:CN114266300A

    公开(公告)日:2022-04-01

    申请号:CN202111541985.5

    申请日:2021-12-16

    Abstract: 本申请提供一种特征预测模型训练、核心网业务异常检测方法及装置。特征预测模型训练方法包括:获取样本数据集:目标业务的核心网KPI组在各样本时刻对应的样本特征图;样本特征图是基于KPI组中至少两个KPI的样本时序数据获取的。使用样本数据集训练预设模型,得到特征预测模型;特征预测模型用于根据输入的目标业务的核心网KPI组在目标检测时刻对应的实际特征图,以及,目标检测时刻之前每一目标时刻对应的实际特征图,输出核心网KPI组在目标检测时刻的预测特征图,以及,在每一目标时刻对应的预测特征图;预测特征图指的是目标业务未出现异常时,核心网KPI组对应的特征图。本申请提高了核心网业务异常检测的准确性。

    链路检测方法、装置、设备及存储介质

    公开(公告)号:CN115765867A

    公开(公告)日:2023-03-07

    申请号:CN202211457756.X

    申请日:2022-11-21

    Abstract: 本申请提供一种链路检测方法、装置、设备及存储介质。该方法包括:在第一设备和第二设备之间的光传送网中确定光网传输段;确定所述光网传输段对应的输入端口和输出端口;获取所述输入端口的输入光功率、以及所述输出端口的输出光功率;获取所述光网传输段的传输段类型,所述传输段类型为单向类型或者双向类型;根据所述输入光功率、所述输出光功率和所述传输段类型,确定所述光网传输段的检测结果。提高了链路检测的效率。

    样本对象确定方法、装置、电子设备及存储介质

    公开(公告)号:CN115687958A

    公开(公告)日:2023-02-03

    申请号:CN202211410100.2

    申请日:2022-11-11

    Abstract: 本申请提供一种样本对象确定方法、装置、电子设备及存储介质。该方法包括:获取特征数据集合;将样本对象的特征属性映射在预先设置的多维坐标系中,得到样本对象在多维坐标系中的多维坐标点;根据多维坐标点,分别对所述样本对象在多维坐标系中不同数量的基准点下进行第一聚类处理和第二聚类处理,得到第一聚类结果和第二聚类结果;根据第一聚类结果和第二聚类结果,确定目标聚类结果;根据目标聚类结果,确定样本对象中属于目标分类的待测样本对象,以及待测样本数据;对待测样本数据进行检测处理,确定异常样本数据,以及目标样本对象。本申请的方法,提高了找出存在电费异常的通信局站的效率。

Patent Agency Ranking