基于图神经网络和网络流量数据的5G基站故障根因诊断系统_通信网络与数据中心_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.08万字
  • 约 24页
  • 2026-11-21 发布于北京
  • 举报

基于图神经网络和网络流量数据的5G基站故障根因诊断系统_通信网络与数据中心_2026年课程设计.docx

PAGE1

摘要

5G基站数量增加后,告警关联关系变得复杂,单一网元的性能劣化往往由上游传输、时钟、电源或配置问题触发。传统基于阈值和规则的方法依赖人工经验,面对跨网元传播的故障时容易把根因定位到告警最多的节点。本文围绕这一痛点,研究基于图神经网络和网络流量数据的根因诊断方法,目标是在模拟5G网络故障数据集上给出可解释、可复现的根因节点与根因类别。

本文把基站、小区、传输链路和告警事件组织为异构图,节点特征来自性能计数器与告警统计,边特征来自拓扑连接、流量时延、丢包率和告警共现强度。核心算法命名为GNN-RCD,采用GraphSAGE邻居聚合与GAT注意力机制,先编码局部故障传播模式,再

文档评论(0)

1亿VIP精品文档

相关文档