基于加权关联规则挖掘的通信网络告警预测研究.pdf

摘要

随着我国通信行业整体规模都在壮大向好的态势发展，通信网络故障管理也面

临着诸多要求与挑战。尤其是人们对网络质量有较高需求，即使网络发生轻微故障，

也会对用户的在线体验产生不良影响。同时，由于网络告警具有联动性，一个设备

发生故障往往会引起连续的设备告警事件，为排除故障增加了难度。因此，本文借

助数据挖掘技术，从大量历史告警数据中挖掘出潜在的规律和特征，采用关联规则

算法挖掘出隐藏在数据信息中告警项集之间的关联关系，帮助用户准确预测告警，

以提前采取措施减少网络故障和降低运维成本。文章的主要研究工作如下：

针对己有关联规则算法需要多次扫描数据库并产生大量候选项集的问题，提出

一种基于影响力权重的Apriori改进算法—IW-Apriori(InfluenceWeightsApriori)算

法。该算法根据不同告警项对网络的影响不同，及告警项目之间的影响关系，采用

一种基于项目影响力的权重分配方法对告警项目加权，从而提取出更多隐藏且有价

值的告警信息。其次，为了减少数据库的扫描次数和I/O口的开销，引入权重向量

和压缩矩阵来表示告警事务数据库，在运算过程中不断约简矩阵的结构。最后与经

典Apriori算法、基于压缩矩阵的Apriori算法进行对比分析。结果表明，IW-Apriori

算法减少了告警关联挖掘的时间，提高了算法效率，同时能够合理地区分告警数据

的重要程度，有助于将影响力高的告警频繁模式挖掘出来。

建立模式匹配的网络告警预测模型。针对通信网络告警数据的特点进行分析，确

定告警数据预处理流程及方法，通过窗口宽度对挖掘时间影响的实验，找出适合关联

挖掘的告警事务的窗口宽度和滑动步长。再利用加权关联规则算法对告警事务进行挖

掘和分析，得到告警强关联规则。最后通过模式匹配的告警预测模型对实时告警进行

预测，当需要预测的告警数据输入时，快速与告警强关联规则库中的规则进行匹配，

输出告警预测集合。通过对比实验可知，该告警预测方法在执行效率和预测效率方面

都优于经典Apriori算法的告警预测。

设计开发了一套基于关联规则的通信网络告警预测系统，采用模块化设计思想。

分别对各模块进行功能设计、软件编程及界面实现。其中基于MySQL和滑动时间窗

口实现告警数据的管理和处理功能；利用IW-Apriori算法实现告警数据挖掘功能；用

模式匹配的预测模型实现告警预测的功能。输入实时告警数据，系统界面能展示出告

警预测结果。最后，对系统的各项功能和性能进行测试，验证系统在告警数据挖掘和

预测方面都得到了有效提升，运行状态良好且能满足用户需求，可以辅助网络维护人

员更好的分析和定位故障，实现对未来网络告警的预测，具有较强的实际应用价值。

关键词：通信网络；数据挖掘；加权关联规则；模式匹配；告警预测

Abstract

WiththeoverallgrowthanddevelopmentofChinascommunicationindustry,

communicationnetworkfaultmanagementalsofacesmanyrequirementsandchallenges.

Especiallywhenpeoplehaveahighdemandfornetworkquality,evenminornetwork

failurescanhaveanegativeimpactontheusersonlineexperience.Meanwhile,duetothe

linkageofnetworkalarms,adevicefailureoftenleadstocontinuousdevicealarmevents,

whichincreasesthedifficultyoftroubleshooting.Therefore,thisarticleutilizesdata

miningtechniquestoextractpotentialpatternsandfeaturesfromalarge