行业应用中国宽带?2025年12月
基于人工智能的电信网络故障预测与诊断方法研究
12
■吴红兵李东生
随着5G网络时代的规模化布局以及最新网络技术的推进，电信网络日趋复杂，传统依靠人工巡检和事
【摘要】
后故障排查的模式已经不能满足当前电信的业务服务需求。为服务质量，应当基于人工智能技术，建立电信网络预测
与诊断的技术体系。本文从数据预处理、预测模型构建以及诊断算法设计三个核心环节入手，分析不同人工智能方法
在电信网络故障场景中的作用，提出未来优化的方向，进一步加强电信网络运行和维护的质量。
人工智能；电信网络；故障预测
【关键词】
DOI：10.20167/j.cnki.ISSN1673-7911.2025.12.62
0引言1.2数据清洗
自改革开放以来，我国经济快速发展，推动了对通采集到的原始数据中存在缺失值、异常值、重复值
信需求急剧增长。中国电信持续扩大并深化网络覆盖，三类噪声，需要对这些数据进行针对性处理。对于缺失值，
实现了从1G到5G网络的技术性突破。电信网络的稳定可以采取线性插值法进行填补，若是缺失值较高，则可
性直接关乎国家数字经济的发展，政务、金融及工业互以直接剔除相关的数据。数据出现异常值，则可以结合
联网等关键领域依赖于电信网络服务的连续性。随着网设备的日志判断异常的原因，再进行修正，若是出现故
络规模与设备数量的持续激增，给电信网络故障预测与障预警，则需要保留数据作为故障的样本。针对数据重
诊断带来了不小的压力。传统故障处理主要是以人工巡复值的处理，需要将时间戳与指标ID去重，保留同一时
检和事后诊断为主，故障发现比较滞后，需要用户反馈间戳下指标的唯一记录。
后才能够定位问题；依赖运维人员的经验巡查，工作强1.3数据融合
度大，平均故障修复的时间长；故障关联分析不足，难单一数据源难以全面反映网络运行状态，可以将数
以识别故障的传播路径，易出现重复排障。针对电信网据进行融合。把统一设备的多维度指标融合，保证基础
络故障预测与诊断中存在的预测精度不够准确、诊断效数据的统一。对于不同来源的特征数据进行融合，则需
率较低以及多源数据整合难度较大等问题，人工智能技要找到关联，并分析不同数据的相互影响的因素，将高
术凭借其强大的数据挖掘与模式识别能力，为故障管理维特征降至低维空间，减少模型计算量。对于决策级数
提供了新方案。该技术通过分析历史数据提前识别潜在据的融合，则需要在故障诊断阶段，结合设备故障日志、
风险，控制故障发展的概率，并在故障诊断环节自动定用户投诉数据、业务质量指标的决策结果，确保诊断的
位与根因分析，大幅缩短排障时间[1]。基于人工智能的电真实可靠。
信网络故障管理，应当明确技术体系框架，分模块解析2基于人工智能的电信网络故障预测方法
关键技术，并结合实践以持续提升运维质量与效率。基于人工智能的电信网络故障预测的核心是借助人
1电信网络故障数据预处理技术工智能提前识别潜在故障风险，并缩短预测时间，达到
1.1多源数据采集提升电信网络故障预测效率的目的。人工智能具备深度
电信网络故障相关数据主要分布在核心网、接入网、学习的能力，可以通过对历史数据的分析，以及对复杂
传输网等不同层级，以设备、业务、环