基于ATTENTION-LSTM的网络故障预测方法

摘要

本发明的基于ATTENTION‑LSTM的网络故障预测方法，对多个时间段用户时间序列状况特征数据进行模型训练，利用HMM优秀的能力预测用户时间序列故障数据最可能出现的状态序列；将状态序列连同日志数据，一同输入到数据增强模块产生故障率样本数据；根据故障率样本数据，输入到LSTM全连接层对提取的故障数据特征向量进行故障预测；最终对预测的结果进行注意力机制判别；在针对网络故障进行预测过程中，采用长短期神经网络并结合注意力机制。本发明的预测方法，兼容疑似故障数据和正常状态下的网络波动数据，有效提升了预测结果的准确率。