基于Attention 机制的GRU 交换机故障研判方法

摘要

提出了一种基于Attention机制的门控循环单元(Gated Recurrent Unit,GRU)交换机故障研判方法,该方法将交换机故障前10 min的内存占用率、中央处理器(Central Processing Unit,CPU)使用率以及风扇转速等数据作为输入,用于搭建GRU网络架构学习交换机动态变化特征,将时间序列输入GRU模型,建模学习特征向量的变化规律;同时,引入Attention机制将隐藏状态设定不同的权重,加强了重要方面数据的影响。所设计实验使用了该交换机数据集,实验证明该方法可提高交换机故障定位与识别的效率和精度,对样本误差具有良好的鲁棒性。