一种基于深度学习的通信网络故障预测方法及系统

本发明提供了一种基于深度学习的通信网络故障预测方法及系统，涉及通信网络智能运维领域，该方法实时获取通信网络的设备状态参数、流量矩阵、环境传感器数据及拓扑关系数据，并基于拓扑图进行图神经网络插补，采用长短期记忆自编码器过滤异常值，并通过动态时间规整对齐异构数据时序，获得清洗后的通讯网络数据；将清洗后的通讯网络数据输入时空双流深度学习模型，提取设备拓扑关联特征和时序演化特征，并经门控融合单元生成故障概率矩阵；基于网络拓扑图和所述故障概率矩阵，计算节点风险值，并结合预设的动态阈值识别高风险节点及故障传播路径，得到通信网络故障预测结果，能够有效提升网络故障预测的准确性和时效性。