李朝霞 劉金春 邢鑫

（聯(lián)通云數(shù)據(jù)有限公司 北京市 100084）

1 在網(wǎng)絡(luò)運(yùn)維中應(yīng)用人工智能的優(yōu)勢(shì)

（1）人工智能的主要特點(diǎn)在于超強(qiáng)的學(xué)習(xí)能力，通過(guò)對(duì)大量的數(shù)據(jù)進(jìn)行整理和分析，能夠充分熟悉和了解相關(guān)數(shù)據(jù)的特點(diǎn)，進(jìn)而將其應(yīng)用到網(wǎng)絡(luò)運(yùn)維當(dāng)中，進(jìn)一步加強(qiáng)對(duì)于文本信息和相關(guān)數(shù)據(jù)流量的挖掘，并構(gòu)建相應(yīng)的知識(shí)庫(kù)系統(tǒng)。在大數(shù)據(jù)技術(shù)的支持下能夠進(jìn)一步發(fā)揮人工智能學(xué)習(xí)功能的作用，結(jié)合網(wǎng)絡(luò)實(shí)際運(yùn)行情況建立診斷模型，實(shí)現(xiàn)對(duì)于故障的智能預(yù)測(cè)和處理。

（2）進(jìn)一步提高工作效率。相較于人工檢測(cè)運(yùn)維而言，人工智能的應(yīng)用能夠有效模擬人工行為進(jìn)行重復(fù)性的工作，而且相較于人工作業(yè)，智能技術(shù)還能夠有效提高作業(yè)的效率以及準(zhǔn)確性，降低了人為因素產(chǎn)生的不良影響。

（3）智能運(yùn)維具備一定的全面性。相較于人工作業(yè)，智能運(yùn)維能夠更加全面的對(duì)通信網(wǎng)絡(luò)進(jìn)行檢測(cè)和維護(hù)，有效處理人工作業(yè)過(guò)程中容易被忽視的數(shù)據(jù)信息和問(wèn)題，進(jìn)一步保障了網(wǎng)絡(luò)運(yùn)維的效果和質(zhì)量，為用戶提供更好的網(wǎng)絡(luò)服務(wù)。

2 智能運(yùn)維方案

人工智能在網(wǎng)絡(luò)運(yùn)維中的應(yīng)用主要是對(duì)于基礎(chǔ)層、技術(shù)層以及應(yīng)用層三個(gè)層面的構(gòu)建，其中基礎(chǔ)層包括數(shù)據(jù)資源以及計(jì)算能力，需要對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行協(xié)同進(jìn)化的計(jì)算；技術(shù)層主要包括特征庫(kù)、知識(shí)庫(kù)、模型的構(gòu)建以及算法的應(yīng)用，需要通過(guò)人工智能的學(xué)習(xí)功能不斷實(shí)現(xiàn)對(duì)于參數(shù)的優(yōu)化配置和模型訓(xùn)練；應(yīng)用層主要指的就是對(duì)于資源以及相關(guān)業(yè)務(wù)的監(jiān)控。在實(shí)際構(gòu)建和落實(shí)智能化網(wǎng)絡(luò)運(yùn)維功能的過(guò)程中，會(huì)涉及到很多功能模塊，不僅包括數(shù)據(jù)庫(kù)、知識(shí)庫(kù)，還需要經(jīng)過(guò)數(shù)據(jù)處理、建模等流程，進(jìn)而實(shí)現(xiàn)相應(yīng)智能運(yùn)維功能，智能運(yùn)維框架結(jié)構(gòu)如圖1所示。

圖1：智能運(yùn)維框架

2.1 運(yùn)維數(shù)據(jù)優(yōu)化

在當(dāng)前5G 網(wǎng)絡(luò)逐漸覆蓋的情況之下，對(duì)于網(wǎng)絡(luò)運(yùn)維有了更高的要求，傳統(tǒng)運(yùn)維模式已然難以滿足當(dāng)前網(wǎng)絡(luò)運(yùn)維的需求。在此情況之下，網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)的數(shù)量也在不斷攀升，網(wǎng)絡(luò)故障點(diǎn)逐漸增多，為進(jìn)一步提升網(wǎng)絡(luò)運(yùn)維水平，需要著重提升運(yùn)維的效率和質(zhì)量，因此，需要對(duì)海量運(yùn)維告警數(shù)據(jù)以及相關(guān)信息進(jìn)行優(yōu)化和處理。在實(shí)際進(jìn)行運(yùn)維數(shù)據(jù)優(yōu)化的過(guò)程中，需要借助多種算法提高運(yùn)維過(guò)程中故障智能化識(shí)別的能力，并實(shí)現(xiàn)對(duì)于海量數(shù)據(jù)的批量處理，進(jìn)一步提高運(yùn)維的效率。

2.2 故障原因定位

相較于傳統(tǒng)故障問(wèn)題定位方式而言，智能化網(wǎng)絡(luò)運(yùn)維能夠有效提高故障定位的效率，為后續(xù)故障的處理和解決留有一定時(shí)間，進(jìn)一步提高故障修復(fù)效率。在網(wǎng)絡(luò)運(yùn)維中實(shí)際應(yīng)用人工智能時(shí)，需要將運(yùn)維專家系統(tǒng)以及智能化學(xué)習(xí)算法進(jìn)行充分融合，通過(guò)對(duì)采集到的網(wǎng)絡(luò)運(yùn)維相關(guān)數(shù)據(jù)、經(jīng)驗(yàn)知識(shí)庫(kù)等進(jìn)行分析和學(xué)習(xí)，并以特定途徑將運(yùn)維數(shù)據(jù)進(jìn)行定義，構(gòu)建相應(yīng)神經(jīng)網(wǎng)絡(luò)模型，通過(guò)神經(jīng)網(wǎng)絡(luò)模型對(duì)相應(yīng)數(shù)據(jù)的異常檢測(cè)結(jié)果進(jìn)行分析，實(shí)現(xiàn)根因識(shí)別，能夠?qū)收显蜻M(jìn)行精準(zhǔn)定位。

2.3 故障預(yù)測(cè)決策

相較于傳統(tǒng)后置運(yùn)維方式而言，智能運(yùn)維的主要特點(diǎn)在于能夠?qū)崿F(xiàn)對(duì)于故障的預(yù)測(cè)和告警，不僅能夠通過(guò)對(duì)故障以及相應(yīng)隱患的提前告警，進(jìn)一步提高網(wǎng)絡(luò)運(yùn)維的可靠性，而且還能夠借助其學(xué)習(xí)功能實(shí)現(xiàn)對(duì)于故障預(yù)測(cè)決策模型的構(gòu)建，提升故障檢測(cè)系統(tǒng)的智能化水平。在實(shí)際構(gòu)建相應(yīng)模型的過(guò)程中，需要結(jié)合實(shí)際故障數(shù)據(jù)以及相應(yīng)故障場(chǎng)景，構(gòu)建相應(yīng)預(yù)測(cè)模型，實(shí)現(xiàn)預(yù)測(cè)分析，以此進(jìn)一步提升智能運(yùn)維系統(tǒng)的預(yù)測(cè)能力，通過(guò)對(duì)故障可能發(fā)生的時(shí)間以及故障點(diǎn)的預(yù)測(cè)，使得在故障真正發(fā)生之前，系統(tǒng)就能夠進(jìn)行告警，并采取有效的應(yīng)對(duì)策略。

2.4 深度調(diào)優(yōu)算法

想要讓智能運(yùn)維的功能和作用得到充分發(fā)揮，就必須要借助大數(shù)據(jù)技術(shù)，而大數(shù)據(jù)技術(shù)的有效應(yīng)用必須要充分考慮到相應(yīng)服務(wù)器的運(yùn)算能力。究其根本，人工智能在網(wǎng)絡(luò)運(yùn)維中的應(yīng)用需要進(jìn)一步對(duì)算法進(jìn)行深度調(diào)優(yōu)，才能夠滿足智能運(yùn)維的需求，縮短系統(tǒng)運(yùn)行過(guò)程中數(shù)據(jù)運(yùn)算的時(shí)間，解決延時(shí)問(wèn)題。因此，在實(shí)際構(gòu)建智能運(yùn)維系統(tǒng)的過(guò)程中，需要結(jié)合實(shí)際場(chǎng)景，通過(guò)語(yǔ)法分析、信息檢索等相應(yīng)功能，結(jié)合運(yùn)維知識(shí)庫(kù)，對(duì)實(shí)際問(wèn)題中的數(shù)據(jù)信息進(jìn)行分析和識(shí)別，通過(guò)優(yōu)化后的算法，達(dá)成提高數(shù)據(jù)分析和處理效率的目的。

2.5 系統(tǒng)工作流程

整個(gè)智能運(yùn)維系統(tǒng)在實(shí)際運(yùn)行的過(guò)程中，不僅需要進(jìn)行故障診斷，還需要具備智能調(diào)度、業(yè)務(wù)規(guī)劃、模型構(gòu)建以及任務(wù)管理等多方面的功能，整個(gè)系統(tǒng)工作流程如圖2所示。

圖2：系統(tǒng)工作流程

（1）需要結(jié)合實(shí)際網(wǎng)絡(luò)運(yùn)行過(guò)程中的故障，收集海量數(shù)據(jù)信息，并結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)收集到的實(shí)例以及相關(guān)數(shù)據(jù)信息進(jìn)行分析，并針對(duì)不同類型的故障和問(wèn)題構(gòu)建不同神經(jīng)網(wǎng)絡(luò)，進(jìn)而輸出深度優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型。

（2）將專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)進(jìn)行有機(jī)結(jié)合，在此工作模式之下，實(shí)現(xiàn)系統(tǒng)的訓(xùn)練和再學(xué)習(xí)。

（3）系統(tǒng)實(shí)際運(yùn)行的過(guò)程中，在人接界面和調(diào)度規(guī)則庫(kù)的共同作用之下，實(shí)現(xiàn)智能化運(yùn)維。

3 網(wǎng)絡(luò)運(yùn)維中的常見(jiàn)故障

在網(wǎng)絡(luò)運(yùn)維過(guò)程中常見(jiàn)的故障包括以下幾種類型：

（1）大量閃斷告警以及頻發(fā)告警。閃斷告警的周期相對(duì)較短，但是在實(shí)際運(yùn)維過(guò)程中，若出現(xiàn)大量閃斷告警，極有可能掩蓋掉重要告警，不僅會(huì)提高運(yùn)維難度，而且還會(huì)降低運(yùn)維的可靠性。頻發(fā)告警通常與相關(guān)事件有著一定的關(guān)聯(lián)性，在實(shí)際運(yùn)維的過(guò)程中，需要消耗大量的時(shí)間進(jìn)行故障確定。

（2）同網(wǎng)元內(nèi)故障。該故障類型主要指的是同網(wǎng)元當(dāng)中的某一模塊發(fā)生告警，引起其他相關(guān)模塊告警，這種故障的排除不僅需要相關(guān)運(yùn)維人員具備一定的故障識(shí)別和處理能力，而且還需要具備一定的全局思維能力。

（3）同專業(yè)網(wǎng)故障。此類故障主要是由于根因問(wèn)題引發(fā)的大量相關(guān)告警，其中有很多屬于表象告警，要求運(yùn)維人員能夠及時(shí)排除干擾告警，明確告警根因，并采取相應(yīng)處理措施，才能夠有效解決故障問(wèn)題。

（4）跨專業(yè)網(wǎng)故障。此類故障主要是多專業(yè)聯(lián)合作用下產(chǎn)生的故障問(wèn)題，因此在實(shí)際進(jìn)行運(yùn)維的過(guò)程中，需要運(yùn)維人員綜合考慮多個(gè)專業(yè)，通過(guò)綜合診斷，對(duì)不同專業(yè)進(jìn)行逐一排查，進(jìn)而實(shí)現(xiàn)對(duì)于故障的準(zhǔn)確定位。

4 人工智能在網(wǎng)絡(luò)運(yùn)維中的應(yīng)用

4.1 預(yù)判告警

人工智能在網(wǎng)絡(luò)運(yùn)維中的應(yīng)用其主要功能之一就是對(duì)于故障的預(yù)判，準(zhǔn)確的故障預(yù)判告警不僅能夠?yàn)橄嚓P(guān)運(yùn)維人員提供充足的準(zhǔn)備時(shí)間，而且還能夠進(jìn)一步提高運(yùn)維工作的可靠性和效率。整個(gè)預(yù)判告警功能設(shè)計(jì)包括以下三個(gè)流程：

（1）采集網(wǎng)絡(luò)特征數(shù)據(jù)，采集網(wǎng)絡(luò)正常運(yùn)行情況下的特征數(shù)據(jù)資源，例如告警量以及錯(cuò)幀率等，并結(jié)合相應(yīng)業(yè)務(wù)屬性對(duì)這些數(shù)據(jù)信息進(jìn)行標(biāo)識(shí)。

（2）對(duì)采集到的數(shù)據(jù)進(jìn)行甄別，排除冗余數(shù)據(jù)，識(shí)別問(wèn)題樣本，為后續(xù)模型的建立奠定良好基礎(chǔ)。

（3）結(jié)合上述甄別之后的數(shù)據(jù)，構(gòu)建分布密度模型，從中選取異常數(shù)據(jù)，通過(guò)對(duì)實(shí)際網(wǎng)絡(luò)運(yùn)行過(guò)程中相關(guān)數(shù)據(jù)的監(jiān)控，實(shí)現(xiàn)預(yù)判告警功能。

除此之外，通過(guò)對(duì)不同故障進(jìn)行有效標(biāo)識(shí)，進(jìn)一步優(yōu)化預(yù)判告警的智能化設(shè)計(jì)還能夠明確故障具體位置和原因，提升實(shí)際網(wǎng)絡(luò)運(yùn)維的效率。

4.2 工單智能處理

工單分配是網(wǎng)絡(luò)運(yùn)維過(guò)程中的必要流程，為進(jìn)一步提高工單處理和分配的智能化水平，保障工單分配以及處理的效率，需要建立相應(yīng)工單分配模型。在實(shí)際構(gòu)建工單處理模型的過(guò)程中，要先明確工單與實(shí)際故障之間的對(duì)應(yīng)關(guān)系，然后還要通過(guò)海量數(shù)據(jù)，對(duì)模型進(jìn)行訓(xùn)練，進(jìn)而實(shí)現(xiàn)工單的自動(dòng)識(shí)別和派發(fā)功能。首先，需要采集有效的工單數(shù)據(jù)，然后結(jié)合問(wèn)題前后相關(guān)數(shù)據(jù)指標(biāo)，明確指標(biāo)差異、工單類型以及相應(yīng)問(wèn)題特征。其次，結(jié)合上述分析結(jié)果，對(duì)相關(guān)工單數(shù)據(jù)進(jìn)行深度挖掘，并以此為依據(jù)建立工單模型，實(shí)現(xiàn)工單的智能處理功能。最后，通過(guò)循環(huán)迭代的方式，進(jìn)一步對(duì)模型以及工單識(shí)別功能等進(jìn)行優(yōu)化，完善相應(yīng)數(shù)據(jù)庫(kù)以及經(jīng)驗(yàn)庫(kù)等，不斷提升工單處理的智能化水平。

4.3 動(dòng)態(tài)巡檢

動(dòng)態(tài)巡檢是智能化網(wǎng)絡(luò)運(yùn)維的必備功能，通過(guò)動(dòng)態(tài)巡檢，不僅能夠進(jìn)一步完善經(jīng)驗(yàn)庫(kù)、數(shù)據(jù)庫(kù)等信息資源，而且還有助于相關(guān)信息和數(shù)據(jù)的深度挖掘，進(jìn)而實(shí)現(xiàn)相應(yīng)模型的進(jìn)一步優(yōu)化，提高網(wǎng)絡(luò)運(yùn)維的可靠性以及智能化水平。首先，全方位收集站點(diǎn)正常運(yùn)行狀態(tài)下的相關(guān)數(shù)據(jù)信息，并結(jié)合實(shí)際情況對(duì)站點(diǎn)運(yùn)行情況進(jìn)行等級(jí)評(píng)價(jià)，建立相應(yīng)評(píng)級(jí)標(biāo)準(zhǔn)。其次，借助神經(jīng)網(wǎng)絡(luò)以及大數(shù)據(jù)技術(shù)，將歷史故障數(shù)據(jù)信息進(jìn)行整合分類，并由此建立隱患特征數(shù)據(jù)庫(kù)和故障預(yù)測(cè)模型。最后，在動(dòng)態(tài)巡檢的過(guò)程中對(duì)網(wǎng)絡(luò)系統(tǒng)中的相應(yīng)數(shù)據(jù)進(jìn)行監(jiān)測(cè)，并按照故障預(yù)測(cè)模型進(jìn)行隱患的挖掘，進(jìn)一步確定隱患位置和發(fā)生的成因，充分發(fā)揮動(dòng)態(tài)巡檢的作用。

4.4 其他智能化運(yùn)維

（1）快速故障定位。在人工智能神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用之下，能夠?qū)崿F(xiàn)對(duì)于故障的精準(zhǔn)定位，同時(shí)還能夠有效提高定位的效率。在實(shí)際操作過(guò)程中，可以借助神經(jīng)網(wǎng)絡(luò)技術(shù)以及Adaboost 建立相應(yīng)的分類器，實(shí)現(xiàn)對(duì)于故障模型的泛化，然后還可以借助業(yè)務(wù)類型、數(shù)據(jù)信息、故障特征等建立故障定位模型，實(shí)現(xiàn)對(duì)于故障的定位、診斷以及處理，能夠有效節(jié)約故障診斷時(shí)間。

（2）預(yù)測(cè)業(yè)務(wù)發(fā)展情況。相比于人工預(yù)測(cè)在線用戶數(shù)量、并行率等相應(yīng)指標(biāo)，人工智能無(wú)論是在數(shù)據(jù)采集還是數(shù)據(jù)分析方面都有著極大的優(yōu)勢(shì)，因此在對(duì)相關(guān)數(shù)據(jù)進(jìn)行實(shí)時(shí)預(yù)測(cè)時(shí)，智能運(yùn)維系統(tǒng)能夠發(fā)揮更大的作用。在神經(jīng)網(wǎng)絡(luò)技術(shù)，以及LSTM 等相關(guān)算法的幫助之下，能夠綜合考慮到歷史同期數(shù)據(jù)、時(shí)間以及節(jié)假日等相關(guān)影響因素，通過(guò)數(shù)據(jù)的深入挖掘和分析，進(jìn)一步提升了業(yè)務(wù)發(fā)展預(yù)測(cè)的準(zhǔn)確性。

（3）不良信息的識(shí)別和攔截。在網(wǎng)絡(luò)運(yùn)維管理過(guò)程中，垃圾信息和騷擾電話都是難以處理的問(wèn)題，傳統(tǒng)的信息識(shí)別和攔截需要由運(yùn)維人員進(jìn)行人工識(shí)別和判斷，需要消耗大量的人力和時(shí)間成本，處理效率相對(duì)較低。目前，可以通過(guò)人工智能實(shí)現(xiàn)對(duì)于數(shù)據(jù)的分析和處理，借助信息特征、號(hào)碼的呼叫頻次等建立相應(yīng)信息和號(hào)碼的識(shí)別模型，再由海量數(shù)據(jù)進(jìn)行訓(xùn)練，進(jìn)一步提高模型的準(zhǔn)確性，實(shí)現(xiàn)對(duì)于不良信息的攔截。

5 結(jié)束語(yǔ)

綜上所述，在5G 的背景之下，人們對(duì)于網(wǎng)絡(luò)有了更高的要求，人工智能相關(guān)技術(shù)在網(wǎng)絡(luò)運(yùn)維中的應(yīng)用能夠進(jìn)一步提升通信網(wǎng)絡(luò)的可靠性，不僅能夠進(jìn)行預(yù)判告警、智能分析和分配工單，還能夠?qū)νㄐ啪W(wǎng)絡(luò)進(jìn)行動(dòng)態(tài)巡檢，實(shí)現(xiàn)智能化網(wǎng)絡(luò)運(yùn)維。相信隨著對(duì)人工智能的深入研究和應(yīng)用，我國(guó)網(wǎng)絡(luò)運(yùn)維水平將會(huì)得到進(jìn)一步提升。