基于行为分析的误码预警模型研究

龙林德

（湖南邮电职业技术学院，湖南长沙410015）

基于行为分析的误码预警模型研究

龙林德

（湖南邮电职业技术学院，湖南长沙410015）

文章以网络管理和维护中的误码问题为研究对象，对网管设备告警产生的误码行为信息进行深入分析探讨，归纳了产生误码行为数据的特点，并将其作为数据挖掘的来源。在此基础上构建了基于行为分析的误码预警挖掘模型，从而实现高效、准确和及时预测误码发生的可能性，以便采取应对和防范措施。

行为分析；误码；预警模型

随着移动互联网的不断发展，智能终端大规模的快速普及，客户对传输、交换、处理的信息量不断增大，对运营商的网络质量提出了更高的要求。因此，需将一些尚未导致用户感知或将要引起业务中断的误码问题消除在萌芽状态，改善网络服务质量，从而提高客户的满意度。在实际的网络运行维护管理中，误码是经常遇到的性能事件，尽管一般情况下，少量误码的产生对业务传送质量的影响不大，但频繁触发的误码现象同时也意味着网络系统中相关环节有门限值超标和劣化现象的发生，如不及时处理误码，可累计质变为更高级别的故障，甚至出现业务中断等重大故障。

高品质业务的传送质量要求，使误码问题的研究与解决受到了大量关注，主要集中在从维护工作角度进行案例分析与总结以及相关处理思路和方法上探讨，较少涉及到误码行为分析和预警研究领域。因此，建立一个既可以分析误码行为的过程，又可以预测误码行为的风险预警模型，对于提高故障定位准确性及维护管理工作效率有重要意义。

1 误码行为分析原理

误码的定义：误码是指比特流在信道传送过程中，由于各种因素的影响导致某些比特脉冲发生严重失真畸变，从而判决出现了差错。在光通信传输系统中，比特流经过光纤线路传送，到达光接收机，经过光电检测器光电转换后，由前置放大器、主放大器二级放大，均衡器整流后，对比特流进行判决再生，发现误码。光传输技术安排了相当丰富的开销比特用于误码检测，其中再生段开销中安排了B1字节，复用段开销中安排了B2字节，高阶通道开销中安排了B3字节，低阶通道中安排了V5字节。以上4种误码检测开销字节的检测范围如图1所示。

图1 4种误码检测开销字节的检测范围图

其中RST为再生段终端，MST为复用段终端，HPT为高阶通道终端，LPT为低阶通道终端。B1字节运用BIP-8的检测方法检测两个RST之间的误码检测，B2字节运用24*BIP-1的检测方法检测两个MST之间的误码检测，B3及V5字节也运用BIP-8的检测方法分别检测两个HPT和两个LPT之间的误码检测。如果某种误码检测开销字节在其检测范围内检测到有误码行为发生，该误码行为信息将存放在相应误码检测开销字节中，传送下游网元，也会插入到反向通道，回传至远端网元，与此同时，该误码行为信息将会当作性能事件上报网管系统。需要说明的是高级别误码检测开销字节检测到误码，将会触发低级别通道中的误码性能事件，反之不会。例如，B1字节在再生段RST检测到有误码发生，比其低级别的复用段MST，高阶通道HPT，低阶通道LPT都会出现误码性能事件提醒。如果V5字节在低阶通道LPT检测到有误码发生，比其高级别的再生段RST、复用段MST、高阶通道HPT不会受其影响衍生的误码性能事件提醒。

2 误码行为特征分析

2.1 误码行为的原因

1）B1再生段误码

产生B1误码行为，一般情况有以下几种原因：①线路板收光故障；②平均接收光功率高于过载光功率值；③平均接收光功率低至灵敏度附近；④线路非中断类故障，如线路连接不正确、某段线路损耗过大等；⑤色散值过大导致信号严重失真；⑥时钟板/模块故障，外来时钟质量等级低劣。

2）B2复用段误码、B3高阶通道误码

产生B2、B3误码行为，主要有以下原因：①业务单板故障；②同步质量等级低劣；③机房特定环境，例如电源电压、机房温度和接地情况等。

3）V5低阶通道误码

这类型误码行为，一般情况由以下情形引起：①交叉板与支路板之间连接有问题、支路板互联短路等；②设备接地差、设备附近有大的干扰源、EMC屏蔽不好等；③设备工作温度过高；④CPU利用率过高等。

2.2 误码的处理分析

误码故障处理分三步，一分析，二环回，三替换。

1）告警性能分析。对网管系统提供的误码性能事件/故障信息进行定位分析，准确查找出可能的故障区间范围或故障点。

2）环回。环回法可能导致业务中断，需谨慎操作。如果可进行环回操作，还需注意环回时不要导致ECC中断。确认后，可使用环回法快速进行故障定位。此法可不依赖专业的告警性能分析。

3）替换。通过前两个步骤即告警性能分析和环回操作定位出可能的故障区间或故障点后，可使用替换法对可能的线路、单板等硬件进行替换，通过逐一替换可精准定位并修复硬件故障。

3 构建误码行为预警模型

3.1 行为技术分析的应用

在传输网管系统中，由于产生的大量误码数据具有不相容性，而粗糙集具有处理这种数据的能力。为了能提取分析误码的行为，本文采用粗糙集理论进行误码处理。该理论的缺点是对处理连续型数据较差。因此，引入粗糙集理论进行数据处理时，首先要对收集到的数据进行离散化处理。其次，是行为数据约简工作，即条件属性与决策属性的依赖关系保持不变的前提下，对行为数据约简的过程，便于规则的提取。最后，就是行为特征（规则）的提取，提取的产生式误码的规则前件(误码行为)就是该规则后件对应的误码数据的行为特征。行为特征提取的过程如图2所示。

图2 行为特征提取的过程图

3.2 基于行为分析的误码预警模型

误码行为预警的目标就是能自动提取分析传输误码的行为，结合数据挖掘技术实现自动化判定，通过预测行为提供预警信息，为策略制定提供依据。基于以上分析，本文提出一种基于行为分析的误码预警模型，如图3所示。

图3 基于行为分析的误码预警模型图

在该误码预警模型中，首先收集行为数据源，即某网管系统中B1、B2、B3、V5历史数据，包括设备型号、板槽、端口等信息；第二步，对上述行为数据源进行预处理。包括数据的清洗、冗余数据删除、属性识别和数据匹配等。处理后可将冗余的现有数据中的噪音数据清除，补全缺失数据，以及一些不能直接得到的属性转化。第三步，提取误码行为的特征。特征提取的重要性是要浓缩数据，即使经过预处理的误码数据成千上万条，但它还是很凌乱，无规律性，通过数据挖掘技术把杂乱零散的数据进行特征提取，描述出相关特征性。此外，在本模型中还有最重要的一步研究工作就是案例库的建设。这个案例库主要收集近些年来在平时维护工作经常遇到引起或者产生误码出现故障的现象、原因分析以及故障处理的知识和经验以案例的形式呈现出来。然后将提取误码的行为特征与误码案例库进行识别构建一个行为案例知识库，用于新产生的误码行为数据的匹配。

对于新产生的误码告警数据进行数据预处理2，该过程主要包括噪音数据消除，缺失数据补全，以及一些不能直接得到的属性转化等。紧接着利用定性数据离散化方法对新误码行为数据进行离散化处理，获得离散化后的误码行为数据。最后将该新误码行为数据与行为案例知识库进行相似度匹配，得到该误码块行为的预测值，若误码块行为预测值为1，表示该误码块行为是不正常的行为，若为0，表示该误码块行为是正常的。

对于上述得到的预测结果，就可以对不同的误码块行为采取不同的措施及防护策略。这样就形成一个不断优化的循环过程。

4 结论

误码问题是网络管理和维护中经常遇到问题，并且误码的表现形式多种多样，如何降低误码产生的隐患，是提高网络健壮性的关键。因此，本文从行为分析角度出发，并采用粗糙集方法提取误码行为数据的特点；在此基础上构建了基于行为分析的误码预警模型，实现了对误码行为的跟踪监控以及自动化分析，从而为建立误码预警管理系统提供了解决思路，以便采取应对和防范措施。

[1]李颖,李祥林,马宏锋.SDH传输设备误码处理及分析[J].电子设计工程,2012(17):93-94.

[2]高建勋.SDH传输设备误码问题分析[J].甘肃科技,2011 (15):11-13.

[3]梁曦.关于SDH传输设备误码问题的处理探讨[J].通信规划与设计,2013(24):24-25.

[4]王青松,刘建璞.光传输设备误码问题分析[J].信息通信, 2012(1):122-124.

[5]张文宇,贾嵘.数据挖掘与粗糙集方法[M].西安:西安电子科技大学出版社,2007.

[6]谢宏,程浩忠,朱东晓.基于信息熵的粗糙集连续属性离散化算法[J].计算机学报,2005(9):1570-1574.

[7]张金魁.基于客户消费行为分析的客户特征提取研究[D].武汉：武汉理工大学,2012.

[8]郭韦昱.基于用户行为分析的个性化推荐系统[D].南京：南京大学,2012.

Research on error early warning model based on behavior analysis

LONGLin-de
(Hunan Post and Telecommunication College,Changsha,Hunan,China 410015)

This paper studies the bit error problem in network management and maintenance in detail.It summarizes the characteristics ofthe error behavior data and takes the data as the source ofdata mining.On this basis,we build a miningmodel based on error warning behavior analysis to achieve efficient,accurate and timely prediction of the likelihood of error occurrence so as to take preventive measures and response.

behavior analysis;error code;early-warningmodels

10.3969/j.issn.2095-7661.2017.01.003】

TN915.07

A

2095-7661（2017）01-0008-03

2017-1-13

龙林德（1970-），男，湖南双峰人，湖南邮电职业技术学院讲师，工学硕士，研究方向：通信信号处理与通信网络。