基于知识和数据融合的5G蜂网络故障诊断方法
Lingyu Zhao1, Chuhong He1, Xiaorong Zhu1
1College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China.
Sensors (Basel, Switzerland)
|January 23, 2024
概括
本研究介绍了一种人工智能驱动的故障诊断算法,用于复杂的5G网络. 这种新的方法增强了数据,并整合了专家知识,大大提高了网络故障检测和解决效率.
科学领域:
- 电信工程 电信工程 电信工程
- 人工智能的人工智能
- 网络管理 网络管理
背景情况:
- 5G网络呈现越来越多的操作复杂性,需要超越手动故障诊断的先进解决方案.
- 现有的方法资源密集,耗时,阻碍了竞争性的运营商战略.
研究的目的:
- 为5G蜂网络开发基于知识和数据融合的故障诊断算法.
- 利用大数据和人工智能进行高效的网络维护.
主要方法:
- 使用生成对抗网络 (GAN) 进行数据增强,以平衡故障类别.
- 采用一个天真的贝叶斯模型 (NBM) 具有专家知识,用于预诊断和拓图形生成.
- 将拓图像作为先前知识集成到一个图形卷积神经网络 (GCN) 中,用于最终诊断.
主要成果:
- 拟议的算法在故障检测和诊断方面实现了90.56%的准确性.
- 宏观F1得分为88.41%,显示出比传统模型更高的性能.
- 该方法有效地处理复杂和异质的5G网络环境.
结论:
- 知识和数据融合算法为5G网络故障诊断提供了强大而高效的解决方案.
- 人工智能和大数据集成对于克服现代网络运营中的挑战至关重要.
- 该方法通过拓关联图提供可解释的见解.
