-
公开(公告)号：CN105471647B
公开(公告)日：2018-09-21
申请号：CN201510881512.8
申请日：2015-12-03
Applicant: 国网江西省电力公司信息通信分公司 , 国家电网公司 , 华中科技大学
IPC: H04L12/24
Abstract: 本发明公开了一种电力通信网故障定位方法，包括：首先预处理历史告警数据，得到多个重要告警属性，并分配影响因子；建立基分类器作为子预测模型，分别对历史告警数据进行预测，并将预测准确率作为基分类器权重；其次，将多个基分类器分为基分类器集合，估计得到每一组的平均权重和平均影响因子，继而得到每一组的综合权重，选取综合权重最大值，其所对应的故障类别即为最终预测结果，至此建立组合预测模型；利用组合预测模型对现有告警数据进行预测，得到最终的故障定位预测结果。本发明不仅解决了故障定位技术存在的准确低、反应慢的问题，同时通过构建的组合预测模型进行故障定位，显著提高了故障定位的准确性，大大缩短了故障定位的时间。
-
公开(公告)号：CN105530122B
公开(公告)日：2018-09-25
申请号：CN201510883242.4
申请日：2015-12-03
Applicant: 国网江西省电力公司信息通信分公司 , 国家电网公司 , 华中科技大学
Abstract: 本发明公开了一种基于选择性隐朴素贝叶斯分类器的网络故障诊断方法，包括：(1)从网络历史数据库中获取历史数据，包括症状变量集以及故障类变量集；(2)构建选择性隐朴素贝叶斯分类器预测模型，根据症状变量集中的每个症状变量确定对应的最相关症状变量集合；(3)所述选择性隐朴素贝叶斯分类器通过训练历史数据自动学习到分类器参数；(4)进行故障诊断时，对测试数据利用上述选择性隐朴素贝叶斯分类器进行估计得到对应最终的故障诊断结果。通过执行本发明中的网络故障诊断方法，有效解决了现有网络故障诊断中运算复杂度高、网络诊断结果偏差大的问题，显著提高了网络诊断的准确性，在进一步降低运算复杂度的同时，能够保持较好的学习能力及容错特性。
-
公开(公告)号：CN105530122A
公开(公告)日：2016-04-27
申请号：CN201510883242.4
申请日：2015-12-03
Applicant: 国网江西省电力公司信息通信分公司 , 国家电网公司 , 华中科技大学
Abstract: 本发明公开了一种基于选择性隐朴素贝叶斯分类器的网络故障诊断方法，包括：(1)从网络历史数据库中获取历史数据，包括症状变量集以及故障类变量集；(2)构建选择性隐朴素贝叶斯分类器预测模型，根据症状变量集中的每个症状变量确定对应的最相关症状变量集合；(3)所述选择性隐朴素贝叶斯分类器通过训练历史数据自动学习到分类器参数；(4)进行故障诊断时，对测试数据利用上述选择性隐朴素贝叶斯分类器进行估计得到对应最终的故障诊断结果。通过执行本发明中的网络故障诊断方法，有效解决了现有网络故障诊断中运算复杂度高、网络诊断结果偏差大的问题，显著提高了网络诊断的准确性，在进一步降低运算复杂度的同时，能够保持较好的学习能力及容错特性。
-
公开(公告)号：CN105471647A
公开(公告)日：2016-04-06
申请号：CN201510881512.8
申请日：2015-12-03
Applicant: 国网江西省电力公司信息通信分公司 , 国家电网公司 , 华中科技大学
IPC: H04L12/24
Abstract: 本发明公开了一种电力通信网故障定位方法，包括：首先预处理历史告警数据，得到多个重要告警属性，并分配影响因子；建立基分类器作为子预测模型，分别对历史告警数据进行预测，并将预测准确率作为基分类器权重；其次，将多个基分类器分为基分类器集合，估计得到每一组的平均权重和平均影响因子，继而得到每一组的综合权重，选取综合权重最大值，其所对应的故障类别即为最终预测结果，至此建立组合预测模型；利用组合预测模型对现有告警数据进行预测，得到最终的故障定位预测结果。本发明不仅解决了故障定位技术存在的准确低、反应慢的问题，同时通过构建的组合预测模型进行故障定位，显著提高了故障定位的准确性，大大缩短了故障定位的时间。
-
-
-
Search Results
4
records
(took 0.056 seconds)
