故障管理作为网络管理的五大功能之一,负责对网络故障进行检测、诊断和恢复,而故障诊断又是其中的难点与重点,其有效与否和功能强弱直接关系到被管网络的可用性和可靠性.但目前的智能故障诊断技术,多采用某种单一的人工智能技术运用于整个故障诊断过程,难以满足对复杂网络故障进行准确、有效的定位和诊断的全部要求.该文针对以上问题,将故障诊断分为故障定位和故障原因诊断两个阶段,针对各阶段任务的不同,采用不同的智能化技术,并提出了一种基于事件关联和数据挖掘的故障诊断技术,以实现各技术之间的优势互补:采用基于CBR/MBR的分布式事件关联进行故障定位,对大量的告警事件进行时间、空间上的关联,以准确、快速地分离出故障源.对事件关联过程确定的故障源,采用基于CBR的诊断方法进行的故障原因诊断.该方法将决策树法和近邻检索法等数据挖掘技术相结合,对事例检索过程中必需的特征项相似度进行挖掘.在一定程度上解决了故障诊断中知识获取这一瓶颈问题.