网络对人类的经济、社会活动乃至日常生活正发挥着越来越重要的作用。一旦网络发生故障,总是要求网络工作者能够快速准确地判断出故障的根源,以便及时采取修复措施。然而,随着网络业务的日新月异和网络建设规模的不断扩大,现代通信网变得愈来愈复杂,网络中一个故障的产生,往往会引发起多个告警事件,这就要求对这些告警事件进行相关性处理,采用智能化的手段实现网络的故障诊断和定位。专家系统(Expert System, ES)是人工智能的一个重要的应用领域,其理论和技术已经日趋成熟,应用愈加广泛,将其应用于网络故障管理领域将会得到了较好的效果。为了解决传统的网络管理专家系统存在知识获取瓶颈问题,本项目将通过数据挖掘技术构造专家系统。在这种应用背景下,作为专家系统重要组成部分的知识库也面临挑战。传统的知识表示方法在专家系统复杂度增加、知识数量不断增大时,已无法胜任。本文将面向对象技术用于该项目中知识库的构造当中,以克服传统知识库所不能解决的难题。面向对象技术具有一系列优点,如表达自然、支持数据抽象、代码重用,以及易于维护和易于扩充等。论文的主要内容包括:1)使用面向对象的方法,构建了网络故障管理信息模型。被管理网络的拓扑结构、网络资源信息、网络业务信息和网络事件信息都是知识库中的事实型知识。本文以面向对象的方法,通过建立几个不同方面的实体关系,对知识库中的事实型知识进行表示,构建了被管理网络的管理信息模型。在此基础上,设计了关联规则的面向对象表示方法。2)本文设计了面向对象知识库的推理机制。与传统的专家系统不同,推理机不再作为一个单独的模块出现,而是作为推理函数封装在关联规则对象中,由规则与推理机制一起构成了一个面向对象的知识库系统,推理过程通过消息在各个规则对象间的传递来完成。3)以推理机制的面向对象封装为基础,通过继承覆盖的手段,结合关联规则在推理中的执行特点,实现了正向推理策略和反向推理策略,并通过模拟仿真验证了两种推理策略的有效性。