赵明 谢萍 赵志军 武孟

摘要：针对故障具有层次性、传播性、相关性和不确定性导致的故障诊断和检测难的问题，基于卷积神经网络对网络运行过程中的日志数据进行数据预处理、特征提取、参数约简和分类训练，作为网络故障诊断研究的训练与测试数据集，对其进行预处理和特征提取。通过卷积神经网络进行训练得到故障诊断模型，进而对网络诊断原始数据进行诊断与故障定位。附实例进行验证，实现了特定网络环境下基于单一故障样本的故障诊断。

关键词：卷积神经网络；故障诊断；特征提取；根源故障；样本集

中图分类号：TP393文献标志码：A文章编号：1008-1739（2020）09-64-4

0引言

通信网络上运行的业务越来越多样化，对业务质量的要求也越来越高，与此同时网络出现故障的概率也随之增加，网络故障的检测和处理效率直接影响网络是否能正常运行及业务服务质量。故障诊断是网络运维管理中非常重要且难度极大的研究课题之一，大数据及人工智能等新技术的发展也为故障诊断和预测提供了技术支撑。

传统的网络故障诊断大多依赖于网络设备的主动告警上报，网络复杂性的增加和所承载的业务的多样化，导致越来越多的网络故障现象与故障发生的根源差异很大，并且网络故障影响范围越來越大且对业务质量造成影响，需要依靠专业运维人员进行故障排查和关联分析，时效性差，无法进行故障的事前预测，因此将人工智能应用到网络故障的检测预测具有重大意义。……