一种用于话务故障诊断的专家系统

【摘要】如何对移动话务数据进行有效分析，快速确定通信故障的原因，是移动通信工程技术人员亟待解决的重要问题。本文提出一种基于规则推理（RBR）和实例推理（CBR）融合的移动话务数据与故障分析的方法，构建了移动话务故障分析专家系统的框架结构，对该领域中知识处理、实例检索和混合推理技术进行了分析和研究。实验结果表明，移动话务故障诊断专家系统可解决话务故障中典型问题，对构建此类专家系统提供重要依据。

【关键词】话务分析；专家系统；基于规则推理；基于实例推理；综合推理

1.引言

目前，移动通信网络已经发展到3G时代，国外4G网络也广泛部署，国内虽未普及，但发展势头迅猛。移动通信网络硬件建设与扩张已经趋于饱和，在现有网络建设规模变化不大，硬件投入成本降低的情况下，要想提高移动设备利用率，增强用户青睐感，保持业务稳定增长，网络性能优化成为通信企业的首要任务。网络性能优化中，对话务数据监测与分析是必要途径之一。本文针对这一应用背景，开发了话务故障诊断专家系统，探讨CBR与RBR结合的推理模型，旨在改善话务数据监测与分析的绩效，为网络性能优化提供决策支持。

2.话务专家系统基本原理

2.1 基于实例的推理（CBR）

基于实例的推理通过访问实例库中过去同类问题的求解方法而获得当前问题解的一种推理模式。CBR不进行规则匹配，类似的实例可以通过索引检索出来直接得到问题的答案。使迅速求解问题成为可能，CBR适用于经验丰富的领域。CBR的推理系统，一般包括以下几个部分。

（1）实例表示。其中主要包含这些主要因素，问题描述：故障类型现象特征的描述；问题环境的描述：故障发生时，系统所表现的征兆；解决方案的描述：故障原因，解决方案，解释参考经验的描述；反馈：是对解决方案的反馈建议。

（2）检索与匹配。利用索引机制，根据相似性度量方法，从实例库中检索出一组与当前实例在特征属性相似，对当前故障的诊断有启发和指导意义的实例，并从中选择最佳的实例作为本次诊断的建议解。本文采用相对较为成熟的K-NN相似度量方法。

（3）实例重用与修改。把检索到的旧实例复用到新实例中，复用结果不好时依据网优专家经验知识和人为干预对检索得出的实例进行调整、修改，形成适合于当前故障的实例，得出诊断结论。

（4）实例添加。将新实例的诊断过程，评价结果添加到实例库中成为新的实例，保存实例过程就是学习过程。

2.2 基于规则的推理（RBR）

基于规则的推理选用产生式规则作为推理方法，产生式规则是一种简洁易实现的知识表示方法，以产生式规则为基础的推理方法有利于问题求解和系统开发，广泛应用于各类专家系统中，产生式规则采用的是：IFTHEN的表示形式。

这种方式可以将专家经验表示成易于机器识别表示的形式，早期的专家系统多数采用了该方法，产生式规则求解过程即反复从规则库中提取合适的规则并执行的过程，一般基于规则推理的专家系统须包含以下三个方面：

（1）规则库。基于规则推理的规则库存储的即一般性知识，规则库的建立与完善是一个循序渐进的过程，领域专家的知识均存储在本库中，是专家系统的重要组成部分。

（2）推理过程。推理机的执行过程描述，将综合数据与规则库中的前提进行匹配，如匹配成功则执行对应规则的结论，结论可能是输出结果也可能是跳转接口。从规则库中选取规则时可能有多个规则与综合数据匹配，需要按策略进行“冲突消解”；然后，选择最恰当的规则启动运行；因此，RBR的执行过程是一个循环往复的过程。

（3）综合数据库。综合数据库存放包含解决问题的相关参数与支持数据，并存放问题求解过程中的各种当前信息。如问题的初始状态、推理求解过程中的中间结论及最终结论。当规则库中有一条规则的前提可与综合数据库中的事实相匹配时，该规则被激活，进行推理并把结论放入到综合数据库中，所以综合数据库的内容是动态的。

3.移动话务故障诊断专家系统设计与实现

3.1 综合推理模式

本文采用的是基于实例与规则的综合推理模式实现专家系统的构建，综合推理方式可以有效解决系统单一推理模式的不足，基于规则推理的专家系统表现形式单一，易于用户理解，因此成为最重要的知识表现方法，但同时规则间的互相关系不明显，知识整体的形象难以把握，处理效率低，推理缺乏灵活性，容易出现控制饱和问题，与专家知识不一致等，CBR很好的解决了以上问题，CBR是通过访问实例库中原有问题的解来获得当前问题解的推理模式，CBR不进行规则匹配，类似的实例可以通过索引检索出来直接得到问题的答案。RBR适用于知识丰富的应用领域，CBR适用于经验丰富的领域，因此将RBR与CBR的合理结合有利于弥补两者不足，取长补短，对专家系统的改进具有积极意义。移动话务故障诊断专家系统的系统结构，如图1所示。

数据中心产生实例数据，首先进行实例检查，如果实例库中存在与本实例匹配实例则直接输出实例结果至人机界面，否则，转入规则推理模块，将实例各个特征经过规则推理逐渐形成输出结果，首先通过网优专家人工检查结果是否与实际事实相符，并判断其是否有重用性，然后依据情况录入规则库，或者调整推理逻辑后，重新推理，如符合实际情况，则将该规则推理过程以实例形式存储在实例库，便于实例重用。

3.2 基于实例推理模块

其中实例推理的基本原理：以实例为基础进行推理，把网优工程师（话务分析专家或网优专家）的经验保存成一个个的实例，出现新问题，对实例库进行检索，寻找匹配与相似的实例，即现实专家经验的再利用，如对实例不满意（与事实有偏差），则进行修改，修改后重新存入实例库，以便再利用，这相当于专家经验的再学习，当然也是一种知识学习，从原理中可以看出关键技术在于实例表示、检索、与修改。

话务分析的实例检索（GSM）主要以小区分配失败，BSC sdc溢出>1万，BSC掉话>300，小区sdc溢出>200，小区无占用，TCH准备失败，TCH拥塞率大于2%，小区掉话率大于3%，小区不可用等为特征。

不同的特征在实例匹配中作用不同，因此特征值应加以权重来表示，本文采用五元组来表示实例：

其中，N，NO.，实例标识符；D，Description，问题描述，即属性特征；W，Weight，属性特征权重，二维矩阵；T，Target，问题解；A，Alpha，实例的信度集。

每个实例以实例标识符N唯一标识，实例库结构如图2。

按照以上模式存储采用以下近似匹配算法（KNN），其公式为：

其中，指实例库中第个旧实例与问题实例的综合相似度（也称综合匹配度），指第个属性在参与匹配检索的属性指标中占的比重，称为第个权重，是第个旧实例的第个属性指标与问题实例的第个属性指标的相似度。

3.3 基于规则的推理

3.3.1 知识库的表示

基于规则推理中知识库建立，以及基于规则的知识表示是重中之重，本文采用前提表，结论表，解释表，分别存储方式，便于对各个模块分别增加、修改、删除等，图3是知识库示意图。

图3中，编号为10001的规则执行该前提后根据操作类型直接跳转到10003规则执行操作，输出结果到表BSC TBF建立成功率，然后做后期处理。

3.3.2 推理过程

基于规则推理的知识系统，本质上是从一个初始条件出发，根据前提，寻求结论的求解过程。在基于规则的专家系统中，推理机比较存储的元规则知识与当前事实，如果与当前事实条件匹配，则执行对应规则的结论，结论可能是最终结果，或者激发下一判断规则，这是基于规则的基本原理。

由于话务故障诊断是由现有数据条件来判断当前地区话务故障情况，因此话务分析故障诊断的规则推理过程采用正向推理，其基本过程为：数据监测服务器产生每小时监测数据，数据录入模块，对数据下载、解压，并转入原始数据库，然后根据专家经验将原始数据的结果转化为规则存入规则库，以后利用规则重用原则，推理机自动推理产生结果，如规则库中不存在当前数据产生结果（故障描述的数据表达形式），则提醒网优专家进行规则录入或忽略。

4.系统主要功能及应用分析

基于CBR与RBR的话务分析专家系统，主要由数据录入模块，推理模块，管理模块，用户界面几部分组成。

数据输入模块主要实现通过预设接口从Alcatel服务器采集数据，将数据经由下载、解压、入库等方式转入本地数据中心，本地数据中心将对海量监测数据进行筛选，提取出话务故障相关数据。

管理模块用于实现网优专家维护专家系统、定制门限、录入元知识等功能。

推理模块主要实现以下功能：在经由数据中心产生话务故障数据之后。首先生成实例并在实例库中检查，若有与该实例相似的实例，则匹配实例，输出结果到人机界面，否则经由规则推理形成规则数据并检索规则库，若规则推理输出结果符合事实，则添加新实例到实例库，否则检查推理逻辑，若推理合理则修改规则库，否则更改逻辑。

用户界面主要实现网优人员（专家系统最终使用人员）及网优专家对专家系统的维护与使用。

本文采用SQL SERVER2008存储数据及故障诊断知识，使用C#编程，应用DEVEXPRESS控件。三者结合有界面美观，实现快捷，开发高效等优点。

话务故障分析系统由于对于不同权限的用户所能使用的功能有所不同，因此，用户登录时，会依据权限不同执行不同功能。一般，分为网优专家与普通网优人员，在授权用户时权限已直接按用户名分类，所以系统自动识别可用功能。网优专家可以调整系统参数，及维护修改知识库等，因此具有网优专家权限的用户其实也扮演着管理员的角色。

专家系统经过在临汾移动公司测试应用，基本可以实现典型话务故障分析诊断，且准确率较高。在正常情况下，对常见故障的判断准确率可达到90%以上。以火车站基站为例，在某一时间段，出现数据拥塞特征，表现为基站功率高，SDCHH拥塞严重。经过专家系统推理诊断为TCH拥塞，初步判断结论是：火车站通话次数频繁，导致拥塞。经过观察调研，发现在该时间段，同时有多辆火车停靠，人员流动大，导致拥塞。该故障是非硬件故障或人为原因，与网优专家人工诊断及调研结果相符。

5.结束语

本文建构的智能话务故障诊断系统，整合了CBR与RBR的优点，提高了话务故障诊断的准确度。该系统界面友好，操作灵活简单，有效提高了一线网优人员的工作效率，并可简化其工作流程。同时，对机器智能分析移动话务海量数据，提供了参考模型。对移动通信中的网络优化技术的发展提供理论依据，具有重要实践意义。

参考文献

[1]靳鹏，夏清国.CBR和RBR在GSM无线网络优化中应用[J].科学技术与丁程，2006年9期.

[2]李宏娟.基于规则和案例的压缩机集成故障诊断专家系统研究[D].湖南大学硕士学位论文，2008年4月.

[3]杨云，冯亚，基于决策树的GSM网络优化专家系统[J].开发应用，2009第11期.

[4]王欢，吴阳年.基于面向对象方法的汽车制动专家系统的研究与开发[J].北京汽车，2011，NO.1.

[5]胡中豫，申涛，李高峰，宫润胜.基于案例与规则推理的干扰查找专家系统[J].计算机工程，2009年9月.

[6]赵小化.KNN文本分类征词权重算法的研究[D].太原理工大学硕士学位论文，2010年5月.

[7]吴晓，种玉珍，倪红波，王海鹏.一种CBR与RBR相结合的智能家庭推理系统[J].计算机应用研究，2009年3月.

[8]李乾鹏，方家骐，基于RBR和CBR规划中的知识表示方法研究[J].计算机工程与设计，2009，30（22）.

[9]刘剑，陈一超，江虹.基于规则的通用专家知识库故障诊断方法[J].计算机与数字工程，2010年第6期.

[10]马振林，于英杰.基于RBR和CBR的故障诊断专家系统研究[J].微计算机信息，2010年第26卷第2-1期.

作者简介：张亮亮（1983—），山西临汾人，硕士研究生，师从杨威教授，从事多年软件开发与理论研究，曾负责多项大型项目的开发与研究，主要研究方向：网络计算与智能处理。