基于数据挖掘的通信网络故障分类研究

随社会的快速发展，对于网络的需求也越来越大。智能手机、智能设备、智能家居等的出现，增大了网络的使用。传统通信网络面临着前所未有的增长，对网络的需求和使用也在增大，导致网络负担变大。因此通信网络经常发生故障，故障以告警的形式进行上报，一旦某处发生网络故障，网络中就会产生大量告警信息，如何快速定位网络故障类型是一个难题，而传统研究基本都在关注告警之间的关联规则。在文献[1]中将群智能算法用于关联规则的挖掘，并应用于通信领域。文献[2]同样利用群智能算法中的蚁群算法进行告警的关联分析。文献[3-5]都是基于频繁模式树的关联规则方法，该方法提高了算法的运行效率。除关联规则模式挖掘之外，序列模式也频繁地应用在通信告警领域，序列模式挖掘考虑时间上的顺序，从而效果更佳。文献[6]使用的是序列模式挖掘。文献[7-8]都是基于序列模式挖掘的实际应用。除研究通信网络的告警关联和序列模式，还有一些国内外的研究学者研究网络的故障定位，也取得了一些不错的成果。2002年Steinder等[9]提出一种基于贝叶斯网络的故障定位技术，贝叶斯网络根据网络拓扑和通信协议构建，并使用Pearl’s iterative算法进行概率推理，但该方法只能用于单连通网络。许多学者引入贝叶斯网络为网络故障事件的关系建立模型[10]。王开选等[11]指出了故障传播模型下的故障定位问题是NP困难(non-deterministic polynomial)问题，并