论文部分内容阅读
当今社会,人类的活动越来越离不开网络的支持,因此高质量的网络服务显得尤为重要。为避免对人们生活造成重大影响,一旦网络中出现故障,网络管理人员必须迅速修复,以恢复网络的正常运行。网络出现故障时会发出根源告警信息,这些告警信息在网络中传播、并引发其他相关的网络节点也发出告警,最终导致系统中产生大量与根源告警相关的冗余告警信息。为了使网络管理人员迅速找到根源告警以定位故障节点,需要对告警信息之间的相关性进行分析,以去除冗余告警信息。然而,由于告警与告警之间的关系不是一一对应的确定关系,而是具有一定的模糊性,这使得建立告警相关性模型变得十分困难。针对这一问题,本文将模糊理论应用于告警相关性分析,首先采用模糊关联规则数据挖掘算法建立告警信息之间的相关性模型,在此基础上使用模糊推理算法进行告警相关性分析以去除冗余告警,最终达到快速找到根源告警并定位故障的目的。本文重点从以下三点进行了研究:⑴多维多重模糊推理算法。为更好的体现告警及其之间关系的模糊性,同时增强模糊规则的合理性及其表示和推理能力,本文选取加权多维多重模糊推理模型进行推理,并提出了一种满足还原性的加权多维多重模糊推理算法。⑵加权多维多重模糊推理模型中权值的获取。确定模糊推理模型中的权值是十分困难的问题,本文将推理模型中的规则映射成为模糊神经网络,通过对模糊神经网络的训练来得到模糊推理模型中各部分的权值。⑶多维多重模糊推理系统的控制策略。由于告警库和规则库中的告警和规则的数量通常十分巨大,为加快告警与规则前件匹配以及规则的搜索,并充分利用有用信息控制搜索路径,本文提出了一种基于分组和排序思想的匹配与搜索策略。仿真实验表明,将模糊理论应用于网络故障诊断,通过模糊推理算法分析告警之间的相关性可以去除大量冗余告警、实现故障的快速定位;使用本文提出的满足还原性的加权多维多重模糊推理算法可以更好地体现告警之间的模糊关系,使推理结果更精准,有效地提高了网络故障定位的准确率。