(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111657310.7 (22)申请日 2021.12.3 0 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 姜筱奕　苏广楠　朱显坤　闫飞　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 代理人 孙宝海　阚梓瑄 (51)Int.Cl. G06F 16/906(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06F 17/16(2006.01) G06Q 10/00(2012.01) G06Q 10/04(2012.01)H04L 41/147(2022.01) (54)发明名称 告警预测方法、 装置、 电子设备及存 储介质 (57)摘要 本公开提供了一种告警预测方法、 装置、 电 子设备及存储介质， 涉及通信技术领域。 该方法 包括采集网络设备的告警数据； 对 所述告警数据 进行聚类处理， 得到多簇同类告警数据； 将每一 簇同类告警数据划分为多个时间窗口， 并剔除每 个时间窗口中相同的告警数据； 基于各个时间窗 口的告警数据训练告警预测模型， 其中， 每一簇 同类告警数据中前后相邻的两个时间窗口的告 警数据分别为预测模型的输入数据和输入数据； 利用训练得到的告警预测模型完成对告警信息 的预测。 本公开基于告警数据的特点， 通过对现 有模型的优化， 能够在有限的算量下得到准确的 告警数据预测结果。 权利要求书2页 说明书12页 附图6页 CN 114297453 A 2022.04.08 CN 114297453 A 1.一种告警预测方法， 其特 征在于， 包括： 采集网络设备的告警数据； 对所述告警数据进行聚类处 理， 得到多簇同类告警数据； 将每一簇同类告警数据划分为多个时间窗口， 并剔除每个时间窗口中相同的告警数 据； 基于各个时间窗口的告警数据训练告警预测模型， 其中， 每一簇同类告警数据中前后 相邻的两个时间窗口 的告警数据分别为预测模型的输入数据和输入数据； 利用训练得到的告警预测模型完成对告警信息的预测。 2.根据权利要求1所述的告警预测方法， 其特征在于， 在对所述告警数据进行聚类处 理， 得到多簇同类告警数据之前， 所述方法还 包括： 对所述告警数据进行预处理， 去 除来自非网络设备的告警数据， 并筛选告警数据的属 性。 3.根据权利要求1所述的告警预测方法， 其特征在于， 所述对所述告警数据进行聚类处 理， 得到多簇同类告警数据， 具体包括： 随机选择每一簇告警数据的聚类中心， 并确定聚类属性； 基于聚类中心属性分别计算每个告警数据到每个聚类中心的距离， 并将每个告警数据 划分至与其距离最小的聚类中心所在的簇； 基于划分结果重新确定聚类中心； 重复执行对告警数据的划分步骤 并在每次划分后重新确定聚类中心， 直到全部告警数 据到各自聚类中心的距离总和达 到最小值， 从而得到多簇同类告警数据。 4.根据权利要求3所述的告警预测方法， 其特征在于， 所述基于聚类属性分别计算每个 告警数据到每个聚类中心的距离， 并将 每个告警数据划分至与其距离最小的聚类中心所在 的簇， 具体包括： 将告警数据的每个属性到聚类中心的距离依据每个属性的权重相加， 从而得到告警数 据到聚类中心的距离， 其中， 每个属 性的权重为聚类中心所在的簇中拥有与其相同属 性的 告警数据数量和全部告警数据的数量的比值， 告警数据首次划分时每 个属性的权 重相同； 重复以上步骤， 直到获得每 个告警数据到每 个聚类中心的距离； 将每个告警数据划分至与其距离最小的聚类中心所在的簇 。 5.根据权利要求3所述的告警预测方法， 其特征在于， 所述基于划分结果重新确定聚类 中心， 具体包括： 将划分后得到的每一簇告警数据中出现频次最高的告警属性作为 新的聚类中心。 6.根据权利要求1所述的告警预测方法， 其特征在于， 所述将每一簇同类告警数据划分 为多个时间窗口， 并剔除每 个时间窗口中相同的告警数据， 具体包括： 将聚类得到的每一簇同类告警数据按照时间排序， 随后划分为多个时间窗口， 其中， 每 个时间窗口覆盖的时间长度相同， 相邻的时间窗口之间部分覆盖的时间重 叠； 剔除每个时间窗口中相同的告警数据。 7.根据权利要求1所述的告警预测方法， 其特征在于， 所述基于各个时间窗口的告警数 据训练告警预测模型， 具体包括： 利用预设的长短期记忆LSTM神经网络模型， 基于各个时间窗口的告警数据训练告警预权　利　要　求　书 1/2 页 2 CN 114297453 A 2测模型。 8.一种告警预测装置， 其特 征在于， 包括： 采集模块， 用于采集网络设备的告警数据； 聚类模块， 用于对所述告警数据进行聚类处 理， 得到多簇同类告警数据； 划分模块， 用于将每一簇同类告警数据划分为多个时间窗口， 并剔除每个时间窗口中 相同的告警数据； 训练模块， 用于基于各个时间窗口的告警数据训练告警预测模型， 其中， 每一簇同类告 警数据中前后相邻的两个时间窗口 的告警数据分别为预测模型的输入数据和输入数据； 预测模块， 用于利用训练得到的告警预测模型完成对告警信息的预测。 9.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 用于存 储所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所 述的告警预测方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1～7中任意 一项所述的告警预测方法。权　利　要　求　书 2/2 页 3 CN 114297453 A 3