基于稀疏贝叶斯学习方法的通信网告警预测研究  

Communication network alarm prediction based on sparse Bayesian learning method

作　　者：郝大鹏 

机构地区：[1]国网运城信通公司,山西运城044000

出　　处：《电子产品世界》2024年第10期51-54,共4页Electronic Engineering & Product World

摘　　要：针对通信网络中告警难以预测、无法及时处理的问题,对原始告警信息进行处理,筛选出传输链路中断、传输区域业务故障、设备板卡故障3种主要告警类型数据作为数据集,利用稀疏贝叶斯学习和支持向量机两种方法对故障进行预测分析对比。实验结果表明,相较于支持向量机方法,稀疏贝叶斯学习方法的预测性能更好,精确率更高。该学习方法具有优越的处理大规模数据和特征的能力,显示出良好的可扩展性,可以使通信网络策略和优化过程更加客观和科学,有效提升网络性能和稳定性。

关 键 词：通信网 告警预测 电力 稀疏贝叶斯学习 

分 类 号：TN915.853[电子电信—通信与信息系统]