基于大数据挖掘的故障预警研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 课题研究背景及意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 研究目标及内容 | 第13-14页 |
| 1.5 论文结构安排 | 第14-16页 |
| 第二章 故障预警相关技术 | 第16-22页 |
| 2.1 网元故障预警技术方案 | 第16-17页 |
| 2.2 故障预警算法方案 | 第17-20页 |
| 2.2.1 异常检测算法 | 第17-18页 |
| 2.2.2 时序分析算法 | 第18-20页 |
| 2.3 故障预警系统应用场景与实现难点 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于异常检测算法的故障预警 | 第22-46页 |
| 3.1 异常检测算法设计 | 第22-25页 |
| 3.2 基于ARIMA模型的异常时段检出 | 第25-28页 |
| 3.2.1 ARIMA模型定义 | 第25-27页 |
| 3.2.2 异常时段检出 | 第27-28页 |
| 3.3 基于综合时序分析模型的异常点检测 | 第28-30页 |
| 3.4 基于LOF的全局异常检测 | 第30-32页 |
| 3.5 算法测试分析 | 第32-35页 |
| 3.5.1 综合时序分析算法测试与分析 | 第32-34页 |
| 3.5.2 全局异常检测算法测试与分析 | 第34-35页 |
| 3.6 基于实际故障案例的算法验证 | 第35-45页 |
| 3.6.1 日志数据结构化 | 第35-37页 |
| 3.6.2 算法输入生成 | 第37-38页 |
| 3.6.3 异常检测算法分析结果 | 第38-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 基于大数据挖掘的故障预警系统 | 第46-76页 |
| 4.1 基于网络设备日志的大数据挖掘 | 第46-54页 |
| 4.1.1 日志数据处理流程 | 第46页 |
| 4.1.2 技术架构 | 第46-54页 |
| 4.2 大数据挖掘故障预警系统设计 | 第54-60页 |
| 4.2.1 故障预警系统设计方案 | 第54-56页 |
| 4.2.2 基于日志的异常检测方案 | 第56-59页 |
| 4.2.3 基于检测结果的实时告警机制 | 第59-60页 |
| 4.3 大数据挖掘故障预警系统实现 | 第60-75页 |
| 4.3.1 系统环境 | 第60-62页 |
| 4.3.2 基于Flume的实时日志采集 | 第62-63页 |
| 4.3.3 基于流处理的实时日志分析实现 | 第63-68页 |
| 4.3.4 数据存储方案 | 第68-71页 |
| 4.3.5 实时计算拓扑性能优化 | 第71-73页 |
| 4.3.6 异常关联与预警触发 | 第73-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 故障预警系统应用 | 第76-83页 |
| 5.1 基于故障预警系统的规则发现 | 第76-77页 |
| 5.2 基于故障预警系统的异常检出 | 第77-79页 |
| 5.3 基于故障预警系统的用户感知 | 第79-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 工作总结 | 第83页 |
| 6.2 下一步工作展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 作者攻读学位期间发表的学术论文目录 | 第90页 |
