典型文献
基于APRIORI-贝叶斯优化XGBoost的电力通信网根告警预测
文献摘要：
电力通信网根源性告警的精准预测,能够辅助运维人员提前对通信网高风险点进行高效排查和快速定位,从根源上避免区域性通信故障和衍生告警,降低网络风险和运维成本.针对现有研究中电力通信网根告警预测源数据冗余、准确率不高的问题,面向电力通信网根告警提出基于APRIORI-贝叶斯优化XGBoost的预测模型,利用APRIORI算法优化预测模型输入,挖掘根告警影响因素间的关联规则,借助关联规则概率化方法确定关键影响因子,降低贝叶斯优化XGBoost模型训练数据冗余度,提高数据价值密度,进而提升模型效率和告警预测精度.实验结果表明,所提算法在预测准确率、召回率和F-值等性能上均取得良好的效果,并在最小支持度为15％时达到最优预测结果,能为电力通信网高效运维和故障排查提供技术支撑.
文献关键词：
根源性告警;关联规则分析;告警预测;贝叶斯优化;XGBoost算法
中图分类号：
作者姓名：
程路明;楼平;诸骏豪;李凌雁;崔晓昱;孙毅
作者机构：
国网浙江省电力有限公司湖州供电公司,浙江省湖州市313000;华北电力大学电气与电子工程学院,北京市102206
文献出处：
引用格式：
[1]程路明;楼平;诸骏豪;李凌雁;崔晓昱;孙毅-.基于APRIORI-贝叶斯优化XGBoost的电力通信网根告警预测)[J].电力建设,2022(01):113-121
A类：
APRIORI,告警预测,根源性告警
B类：
贝叶斯优化,XGBoost,电力通信网,精准预测,辅助运维,风险点,快速定位,通信故障,网络风险,运维成本,数据冗余,算法优化,模型输入,模型训练,训练数据,冗余度,数据价值密度,预测准确率,召回率,小支,支持度,故障排查,关联规则分析
AB值：
0.216148
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
