当通信网络某处发生故障时,会引发其他网络节点产生告警,这样告警就会不断扩散,最终形成告警风暴。如何去除告警之间的相关性,定位出根源告警,是一个比较棘手的问题。在实际的网络中,故障引发告警的边界具有一定的模糊性,告警的属性也常在某个数值区间取值,而不是非真即假。若对分区临界值附近的点处理不当则会过分强调或忽略这些点在分区中的作用,这就影响网络故障诊断的准确性。此外,告警和故障之间可能不是一一对应的关系,而是具有一种模糊性。本文将模糊理论和模糊推理技术运用到网络故障诊断中,以期更快更准的定位根源告警。论文重点从以下几个方面进行研究:1)告警传播方向预测模块:对于从知识库中提取的某条关联规则只表明告警间存在关联关系,并未揭示他们之间的因果关系。所以,本文采用一种改进的BP神经网络方法建立告警传播方向预测模型。将每条参与模糊推理运算的关联规则输入到该模型中,根据输出结果动态地决定采用正向模糊推理还是反向模糊推理。2)模糊推理控制模块:在网络故障诊断过程中,规则与告警之间的匹配需花费很多时间;同时,推理过程中可能会出现匹配冲突,推理停滞不前等现象;此外,在故障诊断过程中需构建一条合理的推理路径,避免出现推理环路等现象。为了解决上述问题,文中分别研究了控制模块中的匹配策略、冲突消解策略、搜索策略和模糊推理驱动策略。3)模糊推理运算模块:为了提高告警隶模糊属度更新的准确率,文中提出了一种具有还原性的模糊推理算法--基于模糊相似度的加权综合推理算法,并采用合理的反模糊化方法对模糊结论进行处理。仿真实验表明在基于模糊推理的网络故障诊断系统中,告警传播方向预测模块可以使得系统能动态地选取正反向推理两种方式,从而确保整个推理过程朝着根源告警回溯逼近,使得推理具有可控性,推理过程中产生的冗余结果较少,提高故障诊断的效率;模糊推理控制模块可以有效地提高告警和规则之间的匹配效率,有利于构建合理的推理路径和避免出现推理换路等现象,同时也解决了匹配冲突的问题;文中提出的模糊推理算法具有还原性,使得推理运算得到的结果更加精确,同时实现简单。从而整个系统能实现快速有效地定位网络故障点。