一、电信管理网中一种性能数据采集的实现方法（论文文献综述）
何兆贤[1]（2021）在《铁路通信承载网智能网管系统功能架构设计研究》文中研究指明随着中国铁路的快速发展,在铁路网规模快速扩大的同时,铁路通信承载网也随之得以发展壮大,铁路通信承载网是服务于铁路运输组织、智能化发展的基础,是铁路各系统间相互联系的纽带,其保障了铁路运输组织各系统运行的可靠性与稳定性,但随着承载网网络的不断扩大,原有的管理技术与方法已经不能完全满足现实管理的需要,网络隐患难以被发现、故障处置时间长、影响范围广等诸多问题逐步体现出来。在现有的技术基础上,铁路运输各系统在智能化、信息化上以铁路通信承载网为基础更加紧密地结合在了一起,承载网网络的故障将对铁路运输造成巨大的干扰和潜在的经济损失,而网络智能化管理技术的缺失无形中放大了发生这一潜在影响的可能性,有可能瞬间、大面积影响铁路运输组织,造成极大安全隐患,带来巨大的经济损失。目前,随着铁路承载网中断对运输干扰事件的愈发突出,铁路承载网的可靠性和网络生存能力变得更为现实与重要。本论文深度分析了铁路承载网的现状,以及智能化方面存在的困难与问题,结合相关辅助系统运用情况,分析了现有网管系统在设备维护中存在的严重不足,并对网络管理者所关注的在资源运用、任务管理、智能运用等方面进行了深入分析,根据需求进行智能化网管系统架构及功能设计,并提出利用数据挖掘算法中的关联规则Apriori等算法对承载网本身的性能数据进行挖掘分析,形成实时性、可视化的设备健康管理呈现机制,提升与改善现有对承载网的在资源配置、任务管理、智能运用方面技术监测与管理方法,使通信承载网的管理更加高效、有针对性,实现对铁路通信承载网的智能化管理。
欧阳晔,王立磊,杨爱东,马利克·萨哈,大卫·贝兰格,高同庆,韦乐平,张亚勤[2]（2021）在《通信人工智能的下一个十年》文中提出移动通信技术走过了37年的发展历程,人工智能技术也已走过了64年的发展历程。从早期的各自独立演进,到5G与人工智能开始深度融合发展,"5G与人工智能"已被业界视为一组最新的通用目的技术组合,对垂直行业的发展起到提振生产力与赋能的作用。首先介绍了早期移动通信和人工智能各自的发展路线,并重点回顾了人工智能与通信技术在3G到5G阶段开始融合发展。针对通信人工智能,详细阐述了当前人工智能技术在移动通信生态系统中各领域的发展情况,包括通信网络基础设施、网络管理与运营、电信业务管理、跨领域融合智能化、垂直行业与专网等,并总结了通信国际标准组织对人工智能技术在移动通信系统中的分级定义与演进路线。面向下一个十年,展望了通信人工智能未来的发展路线与演进趋势,并结合3GPP与ITU-R的5G/6G时间表,前瞻性探索了基于3GPP和O-RAN路线的网络智能化、基于体验感知与意图的网络管理与运营系统的发展、网络AI信令体系、面向智慧中台演进的电信业务与支撑体系、跨领域融合的智能化体验管理与策略管理、从SLA向ELA的演进以及面向垂直行业的智能专网等。最后建议行业达成共识,在下一个十年中全面加速推进人工智能在通信生态领域的发展。
闫凤海[3]（2010）在《移动网管系统中的性能数据采集子系统设计与实现》文中进行了进一步梳理移动通信网络的网管系统是运用现代计算机及网络技术、通信网技术、管理技术、应用软件开发技术等,对移动通信网,以及维护管理工作流程进行综合和自动化的管理。网管系统是一个高度集成的信息系统。网络管理应逐步从面向单一设备的操作维护,向面向全网设备的集中维护以及面向网络的最优化运行发展,为网络扩容和规划优化提供支撑的工具。本文以TMN（Telecommunication Management Network）规范为蓝本,提出了一套针对黑龙江省移动网络管理的性能数据采集解决方法,并且进行了实际工程实施。其中的系统设计方案已经在黑龙江移动网管三期工程中得到了验证。本文在总结了传统网管的不足前提下,设计和实现了基于PERL DBI技术的黑龙江移动网管三期工程的性能数据采集子系统。性能数据采集子系统分为两个部分,分别是采集的控制部分和采集的实现部分,采集的控制部分实现了对采集任务从产生到结束的全程控制,采集的实现部分又分为核心程序和厂家包,实现了核心程序和厂家算法的分离,提高了性能采集子系统的稳定性,极大的减少了接口升级的工作量。在对网络性能管理系统分析的基础上,还同时对本系统和各种OMC（操作维护中心）系统的关系、系统的接口,进行了分析,提出了一套可靠性好、安全性高、扩展灵活且具有高度实用性的解决方案。最终实现了对黑龙江移动的通信网络中爱立信、诺基亚、摩托罗拉等7个厂家的19个OMC（操作维护中心）的接入。网管系统的建设过程是一项持续发展的系统工程,本文在最后还对网管系统的发展作了总结和分析,希望能够对未来的建设提供参考。
二、电信管理网中一种性能数据采集的实现方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电信管理网中一种性能数据采集的实现方法（论文提纲范文）
（1）铁路通信承载网智能网管系统功能架构设计研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究情况 |
| 1.3 研究解决的主要问题及关键技术分析 |
| 1.3.1 解决的主要问题 |
| 1.3.2 关键技术分析 |
| 1.4 研究路线与研究方法 |
| 1.4.1 研究路线 |
| 1.4.2 研究方法 |
| 1.5 工程价值与意义 |
| 1.6 本论文的主要工作 |
| 1.7 有待深入研究的问题 |
| 1.8 论文的研究内容与结构 |
| 第2章 承载网技术概述 |
| 2.1 承载网光纤技术 |
| 2.1.1 光纤结构 |
| 2.1.2 光的传输原理 |
| 2.2 承载网设备原理 |
| 2.2.1 MSTP原理 |
| 2.2.1.1 SDH的帧结构及复用 |
| 2.2.1.2 映射、定位和复用 |
| 2.2.2 OTN设备原理 |
| 2.2.3 数据网设备原理 |
| 2.3 本章小结 |
| 第3章 承载网网络有效管理问题 |
| 3.1 概述 |
| 3.2 铁路承载网网管现状 |
| 3.3 铁路承载网专业网管存在的问题 |
| 3.3.1 设备运行性能分析功能单一 |
| 3.3.2 资源统计无法进行定制 |
| 3.3.3 任务管理未实现自动化 |
| 3.3.4 智能运用功能不足 |
| 3.4 铁路承载网智能化建设问题 |
| 3.5 本章小结 |
| 第4章 承载网设备性能数据挖掘 |
| 4.1 网络数据概述 |
| 4.1.1 告警的关联性 |
| 4.1.2 设备性能的渐变性 |
| 4.2 数据挖掘目标 |
| 4.3 数据挖掘理论 |
| 4.4 数据挖掘算法 |
| 4.4.1 决策树算法 |
| 4.4.2 关联规则 |
| 4.4.3 粗糙集 |
| 4.4.4 人工神经网络算法 |
| 4.4.5 遗传算法 |
| 4.4.6 聚类分析 |
| 4.5 关联规则表述 |
| 4.5.1 Apriori算法介绍 |
| 4.6 性能数据归类 |
| 4.7 本章小结 |
| 第5章 智能网管系统功能架构设计 |
| 5.1 概述 |
| 5.2 系统需求分析 |
| 5.2.1 用户用例分析 |
| 5.2.2 系统功能需求 |
| 5.3 资源管理 |
| 5.3.1 资源的分类 |
| 5.3.2 铁路通信承载网源现状 |
| 5.3.3 资源模块 |
| 5.4 任务管理 |
| 5.4.1 设备巡检 |
| 5.4.2 工单管理 |
| 5.5 智能运用 |
| 5.5.1 网络架构验证 |
| 5.5.2 业务等级管理 |
| 5.5.3 差异化告警管理 |
| 5.5.4 告警集中管控 |
| 5.6 设备健康度分析 |
| 5.7 应用验证 |
| 5.8 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（2）通信人工智能的下一个十年（论文提纲范文）
| 1移动通信与人工智能 |
| 2移动通信与人工智能的发展路线 |
| 2.1人工智能的历史发展路线 |
| 2.2通信人工智能的历史发展路线 |
| 3通信人工智能的发展 |
| 3.1通信人工智能在移动网络基础设施领域的发展 |
| 3.2通信人工智能在网络管理领域的发展 |
| 3.3通信人工智能在电信业务领域的发展 |
| 3.4通信人工智能在跨领域的融合智能化发展 |
| 3.5通信人工智能在专网的发展案例 |
| 3.6国际标准组织对通信人工智能的发展分级定义 |
| 4通信人工智能的下一个十年展望 |
| 4.1国际通信标准B5G到6G发展路线展望 |
| 4.2通信人工智能在移动网络基础设施的未来展望 |
| 4.3通信人工智能在网络管理领域的未来展望 |
| 4.4通信人工智能在电信业务领域的未来展望 |
| 4.5通信人工智能在跨领域融合智能化的未来展望 |
| 4.6通信人工智能在专网应用的未来展望 |
| 5未来可期：下一个十年，通信智能化的全面推进 |
（3）移动网管系统中的性能数据采集子系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源和主要研究内容 |
| 1.2 本课题国内外研究现状与发展趋势 |
| 1.3 网管建设中存在的不足 |
| 1.4 移动网管三期系统的设计思想 |
| 1.4.1 前瞻的软件开发思想 |
| 1.4.2 一体化的设计思路 |
| 1.4.3 广泛的应用适用性 |
| 1.5 论文的主要研究内容和论文组织 |
| 第二章 电信网管理论基础分析 |
| 2.1 电信网管的基本概念 |
| 2.2 电信网管的组成 |
| 2.3 电信网管的功能结构 |
| 2.5 电信网管管理的分层模型 |
| 2.6 电信网管的管理功能 |
| 2.7 电信网管的OSI管理系统 |
| 2.8 本章小结 |
| 第三章 移动网管系统的总体架构研究 |
| 3.1 GSM移动网络介绍 |
| 3.1.1 网络交换子系统 |
| 3.1.2 基站子系统 |
| 3.1.3 移动台 |
| 3.1.4 操作维护中心 |
| 3.2 黑龙江移动公司通信网络结构 |
| 3.2.1 移动通信网络结构 |
| 3.2.2 移动通信网络现状 |
| 3.3 网管系统网络拓扑结构 |
| 3.4 网管系统硬件体系结构 |
| 3.5 移动网管软件体系结构 |
| 3.5.1 移动网管系统整体软件体系结构 |
| 3.5.2 移动网管性能管理系统架构 |
| 3.5.3 性能数据采集子系统的技术特点 |
| 3.5.4 性能数据汇总子系统的技术特点 |
| 3.5.5 移动网管三期性能管理系统工作流程 |
| 3.6 本章小结 |
| 第四章 性能数据采集子系统的设计 |
| 4.1 性能数据的类型 |
| 4.2 性能数据采集接口 |
| 4.3 性能数据采集接入方式 |
| 4.3.1 网元接入方案 |
| 4.4 数据采集设计思想 |
| 4.5 性能数据采集子系统系统结构 |
| 4.6 性能采集子系统采集控制部分基本机制 |
| 4.6.1 数据源检测程序 |
| 4.6.2 采集任务生成器 |
| 4.6.3 任务管理器 |
| 4.6.4 性能数据同步模块 |
| 4.6.5 补采程序 |
| 4.7 性能采集子系统采集实现部分基本机制 |
| 4.7.1 采集调度程序设计 |
| 4.7.2 文件采集程序 |
| 4.7.3 原始文件检测程序 |
| 4.7.4 文件分析程序 |
| 4.7.5 目标文件检测程序 |
| 4.7.6 数据库接口采集程序 |
| 4.7.7 数据归一化处理程序 |
| 4.8 本章小结 |
| 第五章 性能数据采集的实现 |
| 5.1 文件类型数据采集实现 |
| 5.2 数据库类型性能数据采集实现 |
| 5.2.1 采集模块配置文件的建立 |
| 5.2.2 库数据提取步骤 |
| 5.3 本章小结 |
| 第六章 性能数据采集子系统的验收测试 |
| 6.1 测试的阶段和测试验收方式 |
| 6.2 测试的目标 |
| 6.3 测试环境 |
| 6.4 系统测试 |
| 6.4.1 性能数据采集数功能测试 |
| 6.4.2 数据完整性测试用例 |
| 6.4.3 数据及时性测试用例 |
| 6.5 本章小结 |
| 第七章 结论 |
| 参考文献 |
| 致谢 |
四、电信管理网中一种性能数据采集的实现方法（论文参考文献）
- [1]铁路通信承载网智能网管系统功能架构设计研究[D]. 何兆贤. 中国铁道科学研究院, 2021(01)
- [2]通信人工智能的下一个十年[J]. 欧阳晔,王立磊,杨爱东,马利克·萨哈,大卫·贝兰格,高同庆,韦乐平,张亚勤. 电信科学, 2021(03)
- [3]移动网管系统中的性能数据采集子系统设计与实现[D]. 闫凤海. 北京邮电大学, 2010(02)