葛良
摘要:提出了一種基于業(yè)務(wù)流量監(jiān)測(cè)的方法,該方法屏蔽業(yè)務(wù)系統(tǒng)內(nèi)部復(fù)雜的結(jié)構(gòu),以業(yè)務(wù)的有效性為監(jiān)測(cè)的重點(diǎn)。該方法運(yùn)用了統(tǒng)計(jì)學(xué)中的相關(guān)系數(shù)的概念來(lái)建立曲線相似度的數(shù)學(xué)模型。經(jīng)過(guò)實(shí)驗(yàn)數(shù)據(jù)的相關(guān)驗(yàn)證,該方法在業(yè)務(wù)流量監(jiān)測(cè)上非常是有效的。
關(guān)鍵詞: 業(yè)務(wù)流量監(jiān)測(cè);相關(guān)系數(shù);曲線相似度;增值業(yè)務(wù)
Abstract: In this paper, a new method based on service flow supervision is presented. In this method, the complex internal structure is shielded, and the effective business is the key of monitoring. A mathematical model about curve correlation coefficient is built to test service effectiveness under the guidance of interrelated coefficient in statistics. Experiments indicate that this approach is effective.
Key words: service flow supervision; interrelated coefficient; curve correlation coefficient; value-added service
隨著電信企業(yè)的重組,各運(yùn)營(yíng)商間的業(yè)務(wù)逐漸趨向同質(zhì)化,而提高服務(wù)質(zhì)量、提升客戶滿意度是企業(yè)取勝的重要法寶。對(duì)于網(wǎng)絡(luò)部的維護(hù)人員而言,維護(hù)模式也將發(fā)生變化,從傳統(tǒng)的面向設(shè)備的維護(hù)模式轉(zhuǎn)變?yōu)槊嫦驑I(yè)務(wù)的維護(hù)模式,即不僅關(guān)注設(shè)備的運(yùn)行狀況,更要關(guān)注用戶是否能正常使用承載在設(shè)備之上的業(yè)務(wù)。面向業(yè)務(wù)的維護(hù)模式,客觀要求維護(hù)部門(mén)在用戶無(wú)法正常使用某業(yè)務(wù)時(shí),能夠快速解決以及先于用戶投訴通知客服部門(mén)。
但是在目前的維護(hù)工作中,由于承載在網(wǎng)絡(luò)上的數(shù)據(jù)業(yè)務(wù)(如氣象通、農(nóng)信通、通用分組無(wú)線服務(wù)技術(shù)(GPRS))完成一個(gè)業(yè)務(wù)流經(jīng)的網(wǎng)絡(luò)設(shè)備鏈條較長(zhǎng),如氣象通業(yè)務(wù)完成一個(gè)業(yè)務(wù)需要流經(jīng)全球移動(dòng)通信系統(tǒng)(GSM)核心網(wǎng)、短信中心、數(shù)據(jù)通信網(wǎng)絡(luò)(DCN)、短信網(wǎng)關(guān)、移動(dòng)信息服務(wù)中心(MISC),城域網(wǎng)等設(shè)備,如圖1所描示。因此,在這些設(shè)備中任何一個(gè)出現(xiàn)故障都可能導(dǎo)致業(yè)務(wù)出現(xiàn)異常[1-2]。
由于在數(shù)據(jù)業(yè)務(wù)方面?zhèn)鹘y(tǒng)異常發(fā)現(xiàn)機(jī)制存在局限,導(dǎo)致業(yè)務(wù)異常的發(fā)現(xiàn)往往滯后于用戶批量投訴,因此引發(fā)的投訴具有范圍廣、歷時(shí)長(zhǎng)、投訴量大的特點(diǎn)。
1 基于業(yè)務(wù)流量的監(jiān)測(cè)
文章探討了一種新的監(jiān)測(cè)方法,該方法可以屏蔽業(yè)務(wù)系統(tǒng)內(nèi)部復(fù)雜的結(jié)構(gòu),以業(yè)務(wù)的有效性為監(jiān)測(cè)的重點(diǎn),并將關(guān)注點(diǎn)移至與用戶的最近端,完全以用戶的感受來(lái)衡量業(yè)務(wù)是否正常。整個(gè)業(yè)務(wù)監(jiān)測(cè)包含2個(gè)過(guò)程:第1個(gè)過(guò)程為建模過(guò)程,在業(yè)務(wù)流經(jīng)的最后網(wǎng)絡(luò)環(huán)節(jié)選取歷史正常值為樣本空間,統(tǒng)計(jì)單位時(shí)間段業(yè)務(wù)量,構(gòu)建各業(yè)務(wù)流量模型,消除重大事件、節(jié)假日等情況下異常值的干擾;第2個(gè)過(guò)程為監(jiān)測(cè)過(guò)程,準(zhǔn)實(shí)時(shí)取得業(yè)務(wù)流量,通過(guò)一定的數(shù)學(xué)算法模型來(lái)評(píng)估業(yè)務(wù)及網(wǎng)絡(luò)是否存在異常狀況[3]。
根據(jù)統(tǒng)計(jì)學(xué)的原理,某類(lèi)數(shù)據(jù)業(yè)務(wù)的業(yè)務(wù)流量隨著時(shí)間段有規(guī)律地進(jìn)行變化。如果業(yè)務(wù)量在某個(gè)時(shí)間段突然出現(xiàn)異常變化,一般可以認(rèn)為業(yè)務(wù)出現(xiàn)了故障[4]。
圖2是最簡(jiǎn)單的、通過(guò)業(yè)務(wù)流量來(lái)判斷業(yè)務(wù)是否異常的方法。該方法通過(guò)建模環(huán)節(jié)來(lái)獲取某類(lèi)短信業(yè)務(wù)量的模型,然后通過(guò)一定的比例(例如10%)來(lái)確定上下限值,最后通過(guò)實(shí)際測(cè)試的數(shù)據(jù)來(lái)進(jìn)行對(duì)比,一旦超過(guò)門(mén)限值就認(rèn)為業(yè)務(wù)流量存在問(wèn)題?;谏舷麻T(mén)限的判斷方法雖然在理論上可以實(shí)現(xiàn),但是在實(shí)際應(yīng)用中,數(shù)據(jù)的上下波動(dòng)還是非常頻繁的,因此需要尋找一種新的、有效的數(shù)學(xué)方法[5]。
2 相似度介紹
相似度是用以度量?jī)山M數(shù)據(jù)變化趨勢(shì)相似程度的一個(gè)數(shù)值度量,其取值范圍為[-1,1]。相似度的計(jì)算方法可以基于統(tǒng)計(jì)學(xué)中的相關(guān)系數(shù)的一些概念。
(1) 數(shù)學(xué)期望
數(shù)學(xué)期望是指離散型隨機(jī)變量的一切可能的取值Xi(隨機(jī)變量)與對(duì)應(yīng)的概率p(=Xi)之積的和。
X1,X2,X3,……,Xn為隨機(jī)變量數(shù)據(jù),p(X1),p(X2),p(X3),……p(Xn)是隨機(jī)變量數(shù)據(jù)的概率函數(shù)。
通過(guò)證明,得出:
E(X)=(X1+X2+... +Xn)/n (2)
這說(shuō)明數(shù)學(xué)期望就是一組數(shù)據(jù)的算術(shù)平均值。
(2)方差
設(shè)X是一個(gè)隨機(jī)變量,若[E{X-E(X)}]存在,則稱[E{X-E(X)}]為X的方差,則可得出
D =[E{X-E(X)}] (3)
(3)協(xié)方差
協(xié)方差分析是建立在方差分析和回歸分析基礎(chǔ)之上的一種統(tǒng)計(jì)分析方法。協(xié)方差與方差之間的相關(guān)關(guān)系為:
[Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}] (4)
(4)相關(guān)系數(shù)
相關(guān)系數(shù)是變量之間相關(guān)程度的指標(biāo)。相關(guān)系數(shù)的取值范圍為[-1,1]。值越大,誤差越小,變量之間的線性相關(guān)程度越高;值越接近0,誤差越大,變量之間的線性相關(guān)程度就會(huì)越低。
相關(guān)系數(shù)又稱皮(爾生)氏積矩相關(guān)系數(shù),是用來(lái)說(shuō)明兩個(gè)現(xiàn)象之間相關(guān)關(guān)系密切程度的統(tǒng)計(jì)分析指標(biāo)。相關(guān)系數(shù)用希臘字母γ表示,γ值的范圍為[-1,1]。γ > 0為正相關(guān),γ < 0為負(fù)相關(guān),γ = 0表示不相關(guān)。γ的絕對(duì)值越大,相關(guān)程度越高。兩個(gè)現(xiàn)象之間的相關(guān)程度,一般劃分為4級(jí):如兩者呈正相關(guān),γ呈正值;γ =1時(shí)為完全正相關(guān);如兩者呈負(fù)相關(guān)則γ呈負(fù)值;γ = -1時(shí)為完全負(fù)相關(guān)。完全正相關(guān)或負(fù)相關(guān)時(shí),所有圖點(diǎn)都在直線回歸線上,點(diǎn)子的分布在直線回歸線上下越離散,γ的絕對(duì)值越小。當(dāng)例數(shù)相等時(shí),相關(guān)系數(shù)的絕對(duì)值越接近1,相關(guān)越密切;越接近于0,相關(guān)越不密切。當(dāng)γ = 0時(shí),說(shuō)明X和Y兩個(gè)變量之間無(wú)直線關(guān)系[6-7]。
[γxy=Cov(X,Y)/D(X)D(Y)] (5)
3 基于曲線相似度的業(yè)務(wù)
流量監(jiān)測(cè)
根據(jù)統(tǒng)計(jì)學(xué)的原理,統(tǒng)計(jì)的數(shù)據(jù)樣本數(shù)量越大,統(tǒng)計(jì)的準(zhǔn)確度則越高。
每天運(yùn)行在移動(dòng)設(shè)備上各類(lèi)數(shù)據(jù)業(yè)務(wù)的數(shù)量是非常巨大的。我們?cè)O(shè)想,如果某一天從某個(gè)時(shí)間點(diǎn)開(kāi)始業(yè)務(wù)曲線與平時(shí)的業(yè)務(wù)曲線相似度低于設(shè)定的門(mén)限,我們則認(rèn)為業(yè)務(wù)出現(xiàn)了異常情況,應(yīng)及時(shí)通知維護(hù)人員進(jìn)行處理。
文章研究的實(shí)驗(yàn)平臺(tái)基于matlab 7.0,并采用無(wú)異常歷史數(shù)據(jù)作為分析樣本,對(duì)多項(xiàng)業(yè)務(wù)數(shù)據(jù)進(jìn)行了分析。為了保證監(jiān)控及檢驗(yàn)結(jié)果有效,實(shí)驗(yàn)計(jì)算當(dāng)前實(shí)時(shí)監(jiān)測(cè)的業(yè)務(wù)發(fā)送量與相同時(shí)刻前5天采集的業(yè)務(wù)發(fā)送量,以及歷史平均業(yè)務(wù)發(fā)送量之間的相關(guān)系數(shù)共6組數(shù)據(jù),取其相關(guān)系數(shù)最大值為參考值。如果參考值低于閾值,則說(shuō)明當(dāng)前時(shí)刻業(yè)務(wù)流量出現(xiàn)異常[8-10]。
首先以手機(jī)報(bào)日業(yè)務(wù)量以及某市GPRS日業(yè)務(wù)量為例(如圖3、圖4),經(jīng)計(jì)算,相關(guān)系數(shù)值分別為0.9692和0.9764。
通過(guò)曲線比較以及比較值可以分析得出結(jié)論,當(dāng)前業(yè)務(wù)發(fā)送量異常狀況。
下面通過(guò)對(duì)業(yè)務(wù)量發(fā)送異常狀況數(shù)據(jù)進(jìn)行分析,說(shuō)明本方法監(jiān)控效果的有效性。 6月21日WAP網(wǎng)關(guān)出現(xiàn)故障,導(dǎo)致某市GPRS業(yè)務(wù)無(wú)法正常使用。計(jì)算全天數(shù)據(jù)與歷史數(shù)據(jù)的相關(guān)系數(shù),得出參考值為0.8866。趨勢(shì)對(duì)照?qǐng)D如圖5所示。
WAP網(wǎng)關(guān)故障發(fā)生在10:55左右。我們分別計(jì)算了10:30 和11:00這兩個(gè)時(shí)間點(diǎn)的曲線相似度,分別為0.9950,0.8430。通過(guò)相似度的計(jì)算,很容易發(fā)現(xiàn)在10:30—11:00,GPRS業(yè)務(wù)出項(xiàng)了異常情況。趨勢(shì)對(duì)照?qǐng)D如圖6、圖7。
4 結(jié)束語(yǔ)
文章提出基于統(tǒng)計(jì)學(xué)中相關(guān)系數(shù)的相似度度量方法,通過(guò)計(jì)算當(dāng)前時(shí)刻業(yè)務(wù)發(fā)送量與歷史正常數(shù)據(jù)之間的相關(guān)系數(shù),判定當(dāng)前業(yè)務(wù)發(fā)送量是否處于穩(wěn)定狀態(tài)。當(dāng)參考值低于正常閾值時(shí)系統(tǒng)發(fā)出告警,從而完成對(duì)業(yè)務(wù)流量模型的實(shí)時(shí)監(jiān)控。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的驗(yàn)證,證明本方法是非常有效的。
參考文獻(xiàn)
[1] 劉澤猛, 劉純志. 統(tǒng)計(jì)學(xué)的未來(lái)[J].統(tǒng)計(jì)與決策, 1991 (06): 02-04.
[2] 高風(fēng). "假設(shè)檢驗(yàn)方法"簡(jiǎn)析[J]. 中國(guó)質(zhì)量, 2005 (04): 22-25.
[3] 樊靜. GPS弱信號(hào)的高靈敏度捕獲算法[J].重慶郵電大學(xué)學(xué)報(bào)(自然科版), 2012, 24(03): 326-329.
[4] 陶新民,郝思媛,張冬雪,徐鵬.不均衡數(shù)據(jù)分類(lèi)算法的綜述[J].重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,25(1): 101-110.
[5] 秦哲. 假設(shè)檢驗(yàn)在科技項(xiàng)目評(píng)估結(jié)果分析中的應(yīng)用[J]. 科技進(jìn)步與對(duì)策, 2005 (07): 18-20.
[6] 劉曉俊, 陳愛(ài)江. 正態(tài)分布函數(shù)值的近似求法[J]. 金融教學(xué)與研究, 1998 (02): 35-39.
[7] 商廣娟. 統(tǒng)計(jì)技術(shù)在我國(guó)質(zhì)量管理中的應(yīng)用現(xiàn)狀[J]. 航空標(biāo)準(zhǔn)化與質(zhì)量, 2006 (05) : 33-37.
[8] 郭雪峰,方立軍,馬駿,張焱. 寬帶線性調(diào)頻信號(hào)的性能檢測(cè)方法[J].雷達(dá)科學(xué)與技術(shù), 2012,10(05): 57-60.
[9] 李青華, 姚云萍. 一種基于知識(shí)輔助的CFAR檢測(cè)器[J].雷達(dá)科學(xué)與技術(shù), 2012,10(01): 92-97.
[10] 秦雪松,秦雪峰. 影響流量經(jīng)營(yíng)的因素與對(duì)策[J]. 郵電設(shè)計(jì)技術(shù), 2012(12): 63-74.
[γxy=Cov(X,Y)/D(X)D(Y)] (5)
3 基于曲線相似度的業(yè)務(wù)
流量監(jiān)測(cè)
根據(jù)統(tǒng)計(jì)學(xué)的原理,統(tǒng)計(jì)的數(shù)據(jù)樣本數(shù)量越大,統(tǒng)計(jì)的準(zhǔn)確度則越高。
每天運(yùn)行在移動(dòng)設(shè)備上各類(lèi)數(shù)據(jù)業(yè)務(wù)的數(shù)量是非常巨大的。我們?cè)O(shè)想,如果某一天從某個(gè)時(shí)間點(diǎn)開(kāi)始業(yè)務(wù)曲線與平時(shí)的業(yè)務(wù)曲線相似度低于設(shè)定的門(mén)限,我們則認(rèn)為業(yè)務(wù)出現(xiàn)了異常情況,應(yīng)及時(shí)通知維護(hù)人員進(jìn)行處理。
文章研究的實(shí)驗(yàn)平臺(tái)基于matlab 7.0,并采用無(wú)異常歷史數(shù)據(jù)作為分析樣本,對(duì)多項(xiàng)業(yè)務(wù)數(shù)據(jù)進(jìn)行了分析。為了保證監(jiān)控及檢驗(yàn)結(jié)果有效,實(shí)驗(yàn)計(jì)算當(dāng)前實(shí)時(shí)監(jiān)測(cè)的業(yè)務(wù)發(fā)送量與相同時(shí)刻前5天采集的業(yè)務(wù)發(fā)送量,以及歷史平均業(yè)務(wù)發(fā)送量之間的相關(guān)系數(shù)共6組數(shù)據(jù),取其相關(guān)系數(shù)最大值為參考值。如果參考值低于閾值,則說(shuō)明當(dāng)前時(shí)刻業(yè)務(wù)流量出現(xiàn)異常[8-10]。
首先以手機(jī)報(bào)日業(yè)務(wù)量以及某市GPRS日業(yè)務(wù)量為例(如圖3、圖4),經(jīng)計(jì)算,相關(guān)系數(shù)值分別為0.9692和0.9764。
通過(guò)曲線比較以及比較值可以分析得出結(jié)論,當(dāng)前業(yè)務(wù)發(fā)送量異常狀況。
下面通過(guò)對(duì)業(yè)務(wù)量發(fā)送異常狀況數(shù)據(jù)進(jìn)行分析,說(shuō)明本方法監(jiān)控效果的有效性。 6月21日WAP網(wǎng)關(guān)出現(xiàn)故障,導(dǎo)致某市GPRS業(yè)務(wù)無(wú)法正常使用。計(jì)算全天數(shù)據(jù)與歷史數(shù)據(jù)的相關(guān)系數(shù),得出參考值為0.8866。趨勢(shì)對(duì)照?qǐng)D如圖5所示。
WAP網(wǎng)關(guān)故障發(fā)生在10:55左右。我們分別計(jì)算了10:30 和11:00這兩個(gè)時(shí)間點(diǎn)的曲線相似度,分別為0.9950,0.8430。通過(guò)相似度的計(jì)算,很容易發(fā)現(xiàn)在10:30—11:00,GPRS業(yè)務(wù)出項(xiàng)了異常情況。趨勢(shì)對(duì)照?qǐng)D如圖6、圖7。
4 結(jié)束語(yǔ)
文章提出基于統(tǒng)計(jì)學(xué)中相關(guān)系數(shù)的相似度度量方法,通過(guò)計(jì)算當(dāng)前時(shí)刻業(yè)務(wù)發(fā)送量與歷史正常數(shù)據(jù)之間的相關(guān)系數(shù),判定當(dāng)前業(yè)務(wù)發(fā)送量是否處于穩(wěn)定狀態(tài)。當(dāng)參考值低于正常閾值時(shí)系統(tǒng)發(fā)出告警,從而完成對(duì)業(yè)務(wù)流量模型的實(shí)時(shí)監(jiān)控。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的驗(yàn)證,證明本方法是非常有效的。
參考文獻(xiàn)
[1] 劉澤猛, 劉純志. 統(tǒng)計(jì)學(xué)的未來(lái)[J].統(tǒng)計(jì)與決策, 1991 (06): 02-04.
[2] 高風(fēng). "假設(shè)檢驗(yàn)方法"簡(jiǎn)析[J]. 中國(guó)質(zhì)量, 2005 (04): 22-25.
[3] 樊靜. GPS弱信號(hào)的高靈敏度捕獲算法[J].重慶郵電大學(xué)學(xué)報(bào)(自然科版), 2012, 24(03): 326-329.
[4] 陶新民,郝思媛,張冬雪,徐鵬.不均衡數(shù)據(jù)分類(lèi)算法的綜述[J].重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,25(1): 101-110.
[5] 秦哲. 假設(shè)檢驗(yàn)在科技項(xiàng)目評(píng)估結(jié)果分析中的應(yīng)用[J]. 科技進(jìn)步與對(duì)策, 2005 (07): 18-20.
[6] 劉曉俊, 陳愛(ài)江. 正態(tài)分布函數(shù)值的近似求法[J]. 金融教學(xué)與研究, 1998 (02): 35-39.
[7] 商廣娟. 統(tǒng)計(jì)技術(shù)在我國(guó)質(zhì)量管理中的應(yīng)用現(xiàn)狀[J]. 航空標(biāo)準(zhǔn)化與質(zhì)量, 2006 (05) : 33-37.
[8] 郭雪峰,方立軍,馬駿,張焱. 寬帶線性調(diào)頻信號(hào)的性能檢測(cè)方法[J].雷達(dá)科學(xué)與技術(shù), 2012,10(05): 57-60.
[9] 李青華, 姚云萍. 一種基于知識(shí)輔助的CFAR檢測(cè)器[J].雷達(dá)科學(xué)與技術(shù), 2012,10(01): 92-97.
[10] 秦雪松,秦雪峰. 影響流量經(jīng)營(yíng)的因素與對(duì)策[J]. 郵電設(shè)計(jì)技術(shù), 2012(12): 63-74.
[γxy=Cov(X,Y)/D(X)D(Y)] (5)
3 基于曲線相似度的業(yè)務(wù)
流量監(jiān)測(cè)
根據(jù)統(tǒng)計(jì)學(xué)的原理,統(tǒng)計(jì)的數(shù)據(jù)樣本數(shù)量越大,統(tǒng)計(jì)的準(zhǔn)確度則越高。
每天運(yùn)行在移動(dòng)設(shè)備上各類(lèi)數(shù)據(jù)業(yè)務(wù)的數(shù)量是非常巨大的。我們?cè)O(shè)想,如果某一天從某個(gè)時(shí)間點(diǎn)開(kāi)始業(yè)務(wù)曲線與平時(shí)的業(yè)務(wù)曲線相似度低于設(shè)定的門(mén)限,我們則認(rèn)為業(yè)務(wù)出現(xiàn)了異常情況,應(yīng)及時(shí)通知維護(hù)人員進(jìn)行處理。
文章研究的實(shí)驗(yàn)平臺(tái)基于matlab 7.0,并采用無(wú)異常歷史數(shù)據(jù)作為分析樣本,對(duì)多項(xiàng)業(yè)務(wù)數(shù)據(jù)進(jìn)行了分析。為了保證監(jiān)控及檢驗(yàn)結(jié)果有效,實(shí)驗(yàn)計(jì)算當(dāng)前實(shí)時(shí)監(jiān)測(cè)的業(yè)務(wù)發(fā)送量與相同時(shí)刻前5天采集的業(yè)務(wù)發(fā)送量,以及歷史平均業(yè)務(wù)發(fā)送量之間的相關(guān)系數(shù)共6組數(shù)據(jù),取其相關(guān)系數(shù)最大值為參考值。如果參考值低于閾值,則說(shuō)明當(dāng)前時(shí)刻業(yè)務(wù)流量出現(xiàn)異常[8-10]。
首先以手機(jī)報(bào)日業(yè)務(wù)量以及某市GPRS日業(yè)務(wù)量為例(如圖3、圖4),經(jīng)計(jì)算,相關(guān)系數(shù)值分別為0.9692和0.9764。
通過(guò)曲線比較以及比較值可以分析得出結(jié)論,當(dāng)前業(yè)務(wù)發(fā)送量異常狀況。
下面通過(guò)對(duì)業(yè)務(wù)量發(fā)送異常狀況數(shù)據(jù)進(jìn)行分析,說(shuō)明本方法監(jiān)控效果的有效性。 6月21日WAP網(wǎng)關(guān)出現(xiàn)故障,導(dǎo)致某市GPRS業(yè)務(wù)無(wú)法正常使用。計(jì)算全天數(shù)據(jù)與歷史數(shù)據(jù)的相關(guān)系數(shù),得出參考值為0.8866。趨勢(shì)對(duì)照?qǐng)D如圖5所示。
WAP網(wǎng)關(guān)故障發(fā)生在10:55左右。我們分別計(jì)算了10:30 和11:00這兩個(gè)時(shí)間點(diǎn)的曲線相似度,分別為0.9950,0.8430。通過(guò)相似度的計(jì)算,很容易發(fā)現(xiàn)在10:30—11:00,GPRS業(yè)務(wù)出項(xiàng)了異常情況。趨勢(shì)對(duì)照?qǐng)D如圖6、圖7。
4 結(jié)束語(yǔ)
文章提出基于統(tǒng)計(jì)學(xué)中相關(guān)系數(shù)的相似度度量方法,通過(guò)計(jì)算當(dāng)前時(shí)刻業(yè)務(wù)發(fā)送量與歷史正常數(shù)據(jù)之間的相關(guān)系數(shù),判定當(dāng)前業(yè)務(wù)發(fā)送量是否處于穩(wěn)定狀態(tài)。當(dāng)參考值低于正常閾值時(shí)系統(tǒng)發(fā)出告警,從而完成對(duì)業(yè)務(wù)流量模型的實(shí)時(shí)監(jiān)控。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的驗(yàn)證,證明本方法是非常有效的。
參考文獻(xiàn)
[1] 劉澤猛, 劉純志. 統(tǒng)計(jì)學(xué)的未來(lái)[J].統(tǒng)計(jì)與決策, 1991 (06): 02-04.
[2] 高風(fēng). "假設(shè)檢驗(yàn)方法"簡(jiǎn)析[J]. 中國(guó)質(zhì)量, 2005 (04): 22-25.
[3] 樊靜. GPS弱信號(hào)的高靈敏度捕獲算法[J].重慶郵電大學(xué)學(xué)報(bào)(自然科版), 2012, 24(03): 326-329.
[4] 陶新民,郝思媛,張冬雪,徐鵬.不均衡數(shù)據(jù)分類(lèi)算法的綜述[J].重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,25(1): 101-110.
[5] 秦哲. 假設(shè)檢驗(yàn)在科技項(xiàng)目評(píng)估結(jié)果分析中的應(yīng)用[J]. 科技進(jìn)步與對(duì)策, 2005 (07): 18-20.
[6] 劉曉俊, 陳愛(ài)江. 正態(tài)分布函數(shù)值的近似求法[J]. 金融教學(xué)與研究, 1998 (02): 35-39.
[7] 商廣娟. 統(tǒng)計(jì)技術(shù)在我國(guó)質(zhì)量管理中的應(yīng)用現(xiàn)狀[J]. 航空標(biāo)準(zhǔn)化與質(zhì)量, 2006 (05) : 33-37.
[8] 郭雪峰,方立軍,馬駿,張焱. 寬帶線性調(diào)頻信號(hào)的性能檢測(cè)方法[J].雷達(dá)科學(xué)與技術(shù), 2012,10(05): 57-60.
[9] 李青華, 姚云萍. 一種基于知識(shí)輔助的CFAR檢測(cè)器[J].雷達(dá)科學(xué)與技術(shù), 2012,10(01): 92-97.
[10] 秦雪松,秦雪峰. 影響流量經(jīng)營(yíng)的因素與對(duì)策[J]. 郵電設(shè)計(jì)技術(shù), 2012(12): 63-74.