摘要
本发明公开了一种核心网指标异常检测方法及系统,属于通信技术及人工智能技术领域,基于极值理论对时序数据进行异常检测,将基于极值理论的核心网时序数据异常检测视为预测分布问题,并通过求解极值分布的参数值进行异常检测;所述极值理论的异常检测包括训练阶段和检测阶段,训练阶段得到初始判断阈值,检测阶段根据所述阈值判断出异常值,并自动化生成动态阈值。本发明能够精准识别网络质量指标状态,并定位造成网络质量差的异常性能指标;能实时的应用于网络当中,可应用于全网络核心网设备故障问题定位,方案适应场景能力强,经验证模型准确性高,人力投入少,有助于运营商节约运营成本。
技术关键词
指标异常检测方法
极值
模型训练模块
机器可读程序
异常检测系统
理论
阶段
数据分布
时序
网络质量指标
性能指标数据
异常检测装置
人工智能技术
计算机
异常状况
处理器
动态
系统为您推荐了相关专利信息
动态网络条件
分类模型训练方法
Softmax函数
加密
模型训练模块
XGBoost模型
监管方法
时序预测模型
矩阵
编码特征
文本检测模型
文本检测方法
注意力机制
全局平均池化
通道
概率生成模型
样本
地质灾害易发性
机器学习模型
模型训练模块