談電信網絡實時數據挖掘智能技術
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了談電信網絡實時數據挖掘智能技術范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：目前，很多網絡技術已經應用到了方方面面。在現在的網絡發展相對不穩定的情況下，數據挖掘技術在電信方面廣為應用，但是通過這種技術并不能獲得更加深層次的數據信息。因此，主要從數據挖掘技術導論、智能技術與數據挖掘技術的結合以及相關案例對數據挖掘的智能技術進行剖析。
引言
近年來，網絡技術的發展給通信技術的發展帶來了曙光，特別是電信行業的迅猛發展，更是推動了數據挖掘技術的應用。1數據挖掘的智能技術導論數據挖掘技術是一種對數據進行處理的技術，將所能獲得的數據進行深層挖掘，挖掘出常人所不熟知的潛在的有用信息。數據挖掘技術需要根據所獲得的數據類型選擇分析方法，如網絡結構分析法、數據統計法等，該過程是一個動態重復的過程，如果在數據挖掘的過程中沒有獲得預期的數值就要重新回到前面的步驟進行重復操作[1]。該挖掘技術的主要方法是通過對所觀測到的數據進行解析，以天為單位或以時、分為單位對未來的數據進行預測，根據所要研究的對象設置自變量和因變量。例如，將t作為自變量，x作為因變量來推測所產生的數據關系。其中t代表的是同一天（時、分）時間內的時間間隔，x代表的是所有可預測的變化量[2]。要對電信網絡數據進行分析，就要將這些數據進行適當的形式轉換。轉換以時間序列作為基礎。近年來，通過學者們對數據挖掘技術的不斷研究出現了很多以時間序列為主的數據挖掘技術。但是在電信領域，網絡環境不穩定，尤其是數據變換具有十分頻繁的波動，所以電信網的問題不應該只是數據統計、保管那么簡單。因此，傳統的數字挖掘技術將不能廣范圍的應用于電信行業的發展。
2數據挖掘的主要過程
數據挖掘主要從數據本身出發。一般數據挖掘包括信息采集、將數據進行整合、對數據的規范化整理、數據排除和清理、數據之間進行變換、實施數據挖掘過程、對數據挖掘過程進行評估、用相關的知識進行表達八個步驟。
2.1信息采集
首先確定研究對象，根據所要研究的對象確定數據特征，然后選擇出合適的信息采集方法，收集整理所要研究的數據。對于數據量大的數據庫，選擇一個合適的保管途徑和數據存儲器是十分有必要的。
2.2將數據進行整合
由于數據來源、格式特點、數據特征等性質的不同，要有邏輯性的對所要數據進行整理。電信行業不同于一般的商業化企業，它作為世界通信過程中十分重要的一種介質，自然需要信息的共享，而這種信息數據的整合就方便了電信行業的各企業之間的資源共享[3]。
2.3對數據的規范化整理
數據挖掘技術雖然對數據匯總及分析十分方便，但是所用的時間很長，即使是對少量的數據進行分析也需要很長的時間，而企業運營和商業化管理往往包含的數據量是十分巨大的。所以對數據的規范化整理可以將數據庫進行適當程度的縮小，將大多數存在同一水平的數據進行求平均值的處理。這樣不僅將數據挖掘技術的范圍縮小了不少，而且不會對最終數據的結果產生影響，甚至與原結果保持高度一致。2.4數據排除和清理在龐大的數據庫中，有的數據存在明顯的錯誤、有的數據結構不完整，并且這些數據面對不同的信息采集途徑時會有不同的表示方法，所以要對數據進行排除和清理。將不完整的數據補充完整，存在明顯錯誤和偶然性的數據就要舍棄，否則所得到的結果將會存在較大程度上的誤差，導致對整個電信行業的發展預期產生影響。
2.5數據之間進行變換
數據變換的方法有很多種，如平滑聚集、數據規范化、數據概括等方式就是將數據轉化成有用的知識點進行數據分析和挖掘。對于有實際作用，但是計算量大的一些數據可以采用概念分化、數據離散整合的方法進行轉換。2.6實施數據挖掘過程根據所得數據的特征及所包含的數據信息的不同，要選擇正確的分析方法。常用的幾種分析方法有數據概括法、大規模的數據統計法、利用數據規則進行推理的方法、模糊集、網絡結構法（常見的為神經網絡）、遺傳算法、通過實例進行推斷的方法等。通過這些方法可以將數據中存在的隱藏信息挖掘出來，給整個電信行業的發展帶來極大的商業價值。
2.7對數據挖掘過程進行評估
這些數據大多數都是從商業途徑獲得，所以避免不了具有一定的商業價值，尤其是對于電信這一特殊的行業。所以對最終的數據進行評估也是數據商業化的一種體現方式[4]。
2.8用相關的知識進行表達
將數據挖掘的最終結果通過透明公開的方式展示給電信用戶是十分必要的。此外，將其作為商業數據密封起來以供其他方面的商業發展也是數據挖掘的另一種作用。
3數據挖掘的智能技術的預測方式
由導論可知，數據挖掘為各方面的預測做出了很大的貢獻。其預測方式主要包括時間序列基礎上的感知預測、協作組合預測以及利用網狀結構模型進行預測。
3.1時間序列基礎上的感知預測
將時間序列作為主要觀察量，通過觀察數據變化得出計算公式，將計算公式中的斜率值代入，取代時間序列的值。主要通過斜率值的變化來觀測最接近于實際的數值，進而對全局模式進行預測。但是，在此過程中需要注意考慮時間序列存在的隨機性和偶然性，要建立可靠的描述圖進行觀察，對一些具有明顯誤差的數據和具有偶然性的數據進行刪除，通過觀察平均數據得出結論。更需要注意的是，由于電信號的不穩定性使得電信號會在短時間內出現多次數據波動，所以，每隔一段時間就要對電信號根據脈沖進行分類。從最相似的數據中提取出符合實際和電信號波動范圍的數值，并將該數值應用到全局觀測的位置。
3.2協作組合預測
數據挖掘的智能技術的預測方式有很多種，但他們都有一個共同點就是預測的基礎都是時間序列。這些不同的預測方式之間必定存在不同的優勢和劣勢，所以就需要對不同的預測方式即進行組合，協調出相對完善的預測方式。其中的協作主要是該過程中多方之間的協作，即當存在多種時，需要一種外在的具有沖擊性的策略對其進行調整。對于這一問題，很多學者的解決策略都只是側重于將數據進行分類整理，并沒有考慮到最佳數值的組合[5]。
3.3利用網狀結構模型進行預測（以神經網絡為例）
由斜率等替代量觀測出各水平變量的等量變化。網狀模型結構特別是神經網絡相對于其他結構，預測性、準確性要高。它可以準確地計算出7個自變量和1個因變量之間的運算關系。其主要計算方式為線性函數、激活函數等。在規定的區間、特定的節點內，將該輸入節點的輸入信號與對應的加權數相乘，就可以將各輸入神經之間連接起來，由脈沖信號轉變為電信號發出。
4數據挖掘的智能技術的框架模式
數據挖掘的智能技術常用的框架模式為多框架模式，即借助于多個實現對網絡信號及電信號的監測和控制。該框架模式通過環球網的服務完成了不同的監管任務。該框架模式的主要步驟具體如下。最初是通過各種途徑收集用戶的相關信息和電信號的網絡數據。將這些數據進行整合、篩選后就會將這些數據發送給相關管理員，進行保管。這樣的過程主要是為了將一些錯誤的數據及具有偶然性的數據排除在外，保證預測結果的準確性。主要預測的目標為網絡延時狀態、鏈接程序的接受率、服務器所能承載的負荷等。其中，鏈接程序的接受率是預測的重點，它直接關系到后面服務器所能承載的負荷的情況。然后是對變量之間的變化關系進行推斷及相關運算。運用各感知系統對預測進行感知預測，但是由于數據是一直在變化的，所以在監測時間內每隔一段時間就要對數據進行重新采取、計算和評估。在此過程中需要注意的是，有些時間段內數據波動范圍會比較大，有些時間段內數據波動范圍比較小，所謂對于時間段的選取也要有充分的考慮。
5各數據結構所產生的實驗結果分析
通過建立模型器和引用模型結構建立模擬環境可以將各變量之間的數據關系展現出來。但是，同樣的數據關系通過智能技術也可以獲得。這些數據關系依然是建立在時間序列的基礎上，便于對后臺的各統計數據、服務器的負荷能力進行統計[6]。例如，在一家工廠中設計出了一個網狀統計結構，在該結構中可以看到該企業的信息獲取途徑和索取手段。這時可以將該企業的所有數據分為三個層面：全局統計數據、斷點（階段性）數據統計和鏈接程序數據統計。運用這些不同層面的數據進行計算，計算最后出現的數據代表著該事件中各變量之間的變化關系，這種關系同樣是建立在時間序列的基礎上的。例如，根據計算結果可以得到200個有效數據。這些數據中，每一個數據都可以代表一個變量。對于時間序列與這些變量之間的關系要進行預處理。首先，對這些變量之間的變化關系進行線性分析，得到一個新的數據組，然后利用這一新的數據組之間的變化量的變化關系來推測鏈接程序的接受率。當然，并不是這組數據中的所有數值都可以拿來進行數據推測，我們可以將其中大部分數值代入到計算公式中進行計算，剩下的一小部分作為數據驗證。因為這種數據分布具有一定的隨機性，所以這種數據計算并不適合建立在時間序列的基礎上。
6結論
為了研究電信行業中大規模數據如何處理的問題，本文就數據挖掘的智能技術進行了討論，看到了多框架模式的高效性、準確性，體會到了數據挖掘技術的優點及其不同的預測方法。
參考文獻：
[1]戴勇，王詩卉.創新網絡守門人區域比較研究：以電信領域為例[J].科研管理，2019，40（7）：106-118.
[2]汪明達，周俏麗，蔡東風.采用混合模型的電信領域用戶流失預測[J/OL].計算機工程與應用，2019，（9）：1-15.
[3]侯全心，陳烈強，張式娟，等.中國電信與中國聯通網絡建設領域深度合作思路探討[J].郵電設計技術，2016，（9）：74-77.
[4]魯義軒.聯想與瞻博網絡再合作借國際經驗進軍電信領域DC市場[J].通信世界，2016，（24）：49.
[5]陳曉.網絡安全建設在電信領域的應用[J].科技經濟市場，2016，（7）：63-65.
[6]莫建麟，廖建鋒.電信網絡領域實時數據挖掘的智能技術[J].光通信研究，2013，（3）：7-10，21.
作者：張英繼 單位：中國電信股份有限公司保定分公司
