面向業(yè)務(wù)的基于模糊關(guān)聯(lián)規(guī)則挖掘的網(wǎng)絡(luò)故障診斷.pdf

1、現(xiàn)代社會中，網(wǎng)絡(luò)已經(jīng)成為信息交流和通信的基礎(chǔ)載體。網(wǎng)絡(luò)即使發(fā)生微小故障，也會給人類的社會活動、經(jīng)濟活動帶來巨大影響。因此，智能化的網(wǎng)絡(luò)故障診斷是下一代網(wǎng)絡(luò)高可信度的重要保障。當故障發(fā)生時，要求網(wǎng)絡(luò)管理員在最短時間內(nèi)識別故障類型和故障級別，正確判斷出故障根源所在位置，并及時對網(wǎng)絡(luò)進行修復(fù)。相對傳統(tǒng)網(wǎng)絡(luò)以網(wǎng)絡(luò)設(shè)備為管理對象而言，用戶更關(guān)心的是網(wǎng)絡(luò)業(yè)務(wù)的正常性。然而設(shè)備的正常運行并不意味著業(yè)務(wù)的正常運行，這使得業(yè)務(wù)故障管理缺乏面向用戶的根本性

2、。另一方面，網(wǎng)管系統(tǒng)經(jīng)歷了基礎(chǔ)平臺建設(shè)和系統(tǒng)整合兩個階段，基于設(shè)備進行管理的模式越來越不適應(yīng)網(wǎng)絡(luò)發(fā)展的要求，支持面向業(yè)務(wù)的網(wǎng)絡(luò)管理是必然趨勢。
　　本論文將網(wǎng)絡(luò)業(yè)務(wù)作為主要被管理對象，以包含業(yè)務(wù)信息的網(wǎng)絡(luò)告警為載體，研究了面向業(yè)務(wù)的QoS參數(shù)與面向資源的網(wǎng)絡(luò)性能參數(shù)之間的映射。根據(jù)網(wǎng)元和業(yè)務(wù)的映射關(guān)系，得到設(shè)備告警與業(yè)務(wù)告警之間的對應(yīng)關(guān)系。同時，將模糊理論、模糊推理與數(shù)據(jù)挖掘結(jié)合起來，對多域多層的網(wǎng)絡(luò)故障信息進行動態(tài)模糊關(guān)聯(lián)規(guī)則的

3、挖掘。
　　論文綜合討論了層間模糊關(guān)聯(lián)規(guī)則挖掘、分布式模糊關(guān)聯(lián)規(guī)則挖掘以及多支持度動態(tài)模糊關(guān)聯(lián)規(guī)則挖掘算法，全方位地進行了網(wǎng)絡(luò)故障相關(guān)性分析。最終由面向業(yè)務(wù)的網(wǎng)絡(luò)告警，生成模糊關(guān)聯(lián)規(guī)則知識庫，并建立模糊推理系統(tǒng)。旨在解決告警信息不確定的情況下，快速準確地進行網(wǎng)絡(luò)故障診斷、定位與恢復(fù)，從而提高通信網(wǎng)絡(luò)的效率和性能。本課題研究的創(chuàng)新性主要體現(xiàn)在以下幾個方面：
　　第一，運用模糊邏輯定義的隸屬度函數(shù)進行網(wǎng)絡(luò)告警的預(yù)處理和模糊化，使

4、之更接近于實際應(yīng)用環(huán)境，有效降低多維告警的粒度和復(fù)雜度，提高了告警關(guān)聯(lián)規(guī)則挖掘效率。模糊化后的網(wǎng)絡(luò)告警，其物理意義表達了與根源告警的接近程度，從而能有效反映該告警在網(wǎng)絡(luò)中的相對重要程度和影響范圍，使在此基礎(chǔ)上的告警相關(guān)性分析、模糊推理和網(wǎng)絡(luò)故障診斷更加科學(xué)。
　　第二，針對網(wǎng)絡(luò)層次化劃分的管理特點，考慮以業(yè)務(wù)層故障作為主要被管對象，在網(wǎng)絡(luò)告警中融入業(yè)務(wù)層、網(wǎng)絡(luò)層直至網(wǎng)元層的分層信息屬性，記為“告警類型”。使得當網(wǎng)絡(luò)業(yè)務(wù)受到影響發(fā)生

5、故障時，將網(wǎng)絡(luò)性能故障映射到與之相關(guān)的業(yè)務(wù)應(yīng)用QoS故障層面，面向終端用戶，解決網(wǎng)絡(luò)故障診斷問題，為新一代智能化網(wǎng)絡(luò)管理奠定基礎(chǔ)。
　　第三，針對多廠商設(shè)備環(huán)境以及多地域子網(wǎng)的管理特點，提出了分布式并行關(guān)聯(lián)規(guī)則挖掘思想：區(qū)別于傳統(tǒng)分布式挖掘算法，橫向分割大型數(shù)據(jù)庫，采用多處理器并行挖掘子數(shù)據(jù)庫的以資源代價換取時間效率的策略；而將分布式網(wǎng)絡(luò)中的各局域網(wǎng)告警數(shù)據(jù)視為不同子數(shù)據(jù)庫進行同步挖掘，即設(shè)立全局站點與局部站點在時間維度上同時采集

6、數(shù)據(jù)，全局站點負責局間關(guān)聯(lián)規(guī)則挖掘，而局部站點負責局內(nèi)關(guān)聯(lián)規(guī)則挖掘。并由此提出多層多域模糊關(guān)聯(lián)規(guī)則挖掘算法——MMDFARM，由層次和地域兩個方面考慮了挖掘算法的適應(yīng)性問題。
　　第四，通信網(wǎng)絡(luò)的設(shè)備信息、拓撲結(jié)構(gòu)乃至業(yè)務(wù)需求都是動態(tài)變化的，從而導(dǎo)致網(wǎng)絡(luò)告警數(shù)據(jù)庫也呈現(xiàn)漸進式的變化。當出現(xiàn)新增的告警數(shù)據(jù)時，需要對整個數(shù)據(jù)庫進行重新挖掘，以找出與新告警關(guān)聯(lián)的規(guī)則信息。這不僅造成大量資源的浪費，也完全忽略了歷史告警的作用。根據(jù)告警數(shù)據(jù)

7、的時間關(guān)聯(lián)性，提出多支持度動態(tài)關(guān)聯(lián)規(guī)則挖掘算法——IDFARM，由時間維度方面考慮了挖掘算法的適應(yīng)性問題。
　　第五，深入研究了基于模糊關(guān)聯(lián)規(guī)則的模糊推理算法，定義了推理過程中各模糊算子的數(shù)學(xué)形式，比較和驗證了不同模糊組合下的推理結(jié)果，從中優(yōu)選出適合通信網(wǎng)告警相關(guān)性分析的最佳方法，建立起特征化的網(wǎng)絡(luò)故障診斷模型。該模型擁有良好的人機接口界面，通過模糊推理模塊進行診斷，能快速準確地定位出引發(fā)當前告警的根源故障所在，從而有效恢復(fù)網(wǎng)絡(luò)通