● 摘要
通信网络故障诊断面对的最大问题是海量的事件以及事件的不确定性。特别是对于运营商的大型通信网络，其设备及构件存在很多错综复杂、关联耦合的相互关系，不确定因素和不确定信息充斥其间，其故障可能是多故障、关联故障等多种复杂形式。因此，解决海量事件以及事件的不确定性问题是目前通信网络故障诊断中的首要问题。常用的解决不确定性问题的方法包括贝叶斯方法、粗糙集理论、证据理论等，经Agre G等多位专家的分析研究，发现基于贝叶斯理论的贝叶斯网络是目前解决不确定性问题的最有效的方法。本文首先对通信网络的海量事件进行分析和深入研究，提出了非故障事件约简法和重复事件约简法，并在进一步分析通信网络事件特性的基础上，对这两种方法进行了改进，提高了约简效果。更进一步，在事件约简性能方面，提出了指纹算法，将事件约简过程中低效的多文本比较转换为高效的整型值比较，有效提高了事件约简的性能，满足实时事件处理的性能要求。其次分析和研究了应用贝叶斯推理进行通信网络故障诊断所面临的问题，并以一个实际的通信子网为贝叶斯网络模型对贝叶斯网络推理的过程进行了分析和说明。对贝叶斯网络模型的生成和更新进行了分析并解决，结合通信网络的特点提出了对贝叶斯网络推理进行改进的“三步法”，并通过实际数据的分析验证了该改进方法对贝叶斯推理过程性能的提升和推理结果准确率的提高是有效的。然后，为更进一步提高系统对通信网络故障管理的有效性和故障诊断的实时性，提出了基于网络设备运行状况的健康检查法和基于设备性能的性能指标法两种主动管理的方法。对于健康检查法，给出了健康检查法的过程、健康规则的梳理、管理及优化；对于性能指标法，分析了传统性能指标获取方法上的不足，并提出了基于策略驱动的性能指标获取方法，解决了性能指标按需采集的问题，满足了故障诊断系统对于性能数据获取的要求。最后，设计并实现了通信网络故障实时诊断系统，并结合实际运行的数据进行了统计和分析，验证了本研究及系统设计的有效性。同时，通过实际数据的分析，本系统较大提高了系统对故障诊断的准确率并降低了误报率，有效支撑了网络运维人员对运营商网络的监控和管理。