论文部分内容阅读
摘 要：本文主要通过先进的人工智能python语言，在Visual Studio code集中开发环境下，实现基站故障的自动统计分析输出，大幅提升日常故障分析处理的效率和准确率，压缩故障处理时限，助力移动网NPS提升。
关键词：基站故障;超长断站;超频断站;超短断站;超量断站
中图分类号：G642
一 概述
本项目利用Python语言简洁、模块化以及拥有丰富的资源库的特点，基于Visual Studio Code集成开发环境，快速实现基站故障原因统计汇总、超长断站、超频断站、超短断站的自动输出展示。
二 基站故障大数据研究及分析
1导入库及函数模板
利用Python的大数据处理功能主要使用了pandas和numpy两个标准库。导入库及函数模板后，读取桌面上的alarms断站excel表格，准备进行数据处理。
#导入各种库以及函数模板
import pandas as pd
import numpy as np
from pandas import DataFrame
from pandas import Series
from pandas import to_datetime
#导入具体的文件
data = pd.read_excel（r'C：＼Users＼Lenovo＼Desktop＼alarms断站.xls'）
df_0 = pd.DataFrame（data）
df_0['故障原因'].fillna（'其他'）
2 四超断站分析及设计
本文提到的四超断站指的是超长断站、超短断站、超频断站和超量断站。
超长断站分析及设计：按照故障关键项有效列顺序，对“故障时长”列进行排序，自动输出时长较长的100个（或10个）到一个新的excel表“超长断站”;同理，如果对“故障时长”列进行判断，如果大于等于1分钟，小于10分钟，自动输出生成一个新的excel表”超短断站”。
超频断站分析及设计：按照上述有效列顺序，对“网元名称”列中基站名称进行统计，得到断站告警的次数，把断站次数大于等于5（大于10）的排好顺序，自动输出一个新的excel表“超频断站”。（同理类推，可以输出频次大于10的基站，频次大于100的基站）
超量断站分析及设计：按照有效列顺序，对“工单号”列进行统计，保留大于等于10次的工单;再对“故障原因”和“区县”进行统计判断是否均大于等于10次，确定是否符合超量断站的基本定义“同一时间内因同一故障原因造成10个以上逻辑基站断站”，符合条件的自动输出新的excel表格“超量断站”。
以超频断站为例的Python代码见下：
#超频断站
df_cpdz = df_0.loc[：，['地市'，'区县'，'网元名称'，'网管告警标题'，'告警发生时间'，'告警清除时间'，'故障时长']]
counts1 = df_cpdz[u'网元名称'].value_counts（）
counts = counts1[counts1>=5]
x =counts.index.values
cpdz = DataFrame（columns=['地市'，'区县'，'网元名称'，'网管告警标题'，'告警发生时间'，'告警清除时间'，'故障时长']）
for i in range（len（x））：
for j in range（len（df_cpdz））：
if df_cpdz.iat[j，2] == x[i]：
cpdz = cpdz.append（df_cpdz[j：j+1]，ignore_index=True）
t = Series（index=cpdz['网元名称']）
for i in t.index.values：
t[i] = counts[i]
t.index=range（len（t））
t=t.astype（int）
cpdz.insert（7，'断站次数'，t，allow_duplicates = True）
cpdz= cpdz.astype（str）
cpdz.to_excel（r'C：＼Users＼Lenovo＼Desktop＼超频断站.xls'，index=None）
三 结语
利用Python語言强大的数据处理功能，成功实现了基站故障分析的各项基本功能，可以在1-2秒内自动输出故障报表，并且在处理大量数据方面具有明显优势，不仅大大提高了工作效率，而且为下一步扩大人工智能语言Python在移动网基站规划、建设、优化及维护方面应用提供了良好的实践基础。
参考文献：
[1]杨帆，丁晓剑，刘禹锋，刘健.主体思维导向视角下的Python课程教学探索[J].计算机时代，2021（02）：74-76+79.
[3] 瞿苏.基于Python的飞机大战游戏设计[J].扬州职业大学学报.2019（01）.
（中国联通临沂市分公司 山东 临沂 276000）
关键词：基站故障;超长断站;超频断站;超短断站;超量断站
中图分类号：G642
一 概述
本项目利用Python语言简洁、模块化以及拥有丰富的资源库的特点，基于Visual Studio Code集成开发环境，快速实现基站故障原因统计汇总、超长断站、超频断站、超短断站的自动输出展示。
二 基站故障大数据研究及分析
1导入库及函数模板
利用Python的大数据处理功能主要使用了pandas和numpy两个标准库。导入库及函数模板后，读取桌面上的alarms断站excel表格，准备进行数据处理。
#导入各种库以及函数模板
import pandas as pd
import numpy as np
from pandas import DataFrame
from pandas import Series
from pandas import to_datetime
#导入具体的文件
data = pd.read_excel（r'C：＼Users＼Lenovo＼Desktop＼alarms断站.xls'）
df_0 = pd.DataFrame（data）
df_0['故障原因'].fillna（'其他'）
2 四超断站分析及设计
本文提到的四超断站指的是超长断站、超短断站、超频断站和超量断站。
超长断站分析及设计：按照故障关键项有效列顺序，对“故障时长”列进行排序，自动输出时长较长的100个（或10个）到一个新的excel表“超长断站”;同理，如果对“故障时长”列进行判断，如果大于等于1分钟，小于10分钟，自动输出生成一个新的excel表”超短断站”。
超频断站分析及设计：按照上述有效列顺序，对“网元名称”列中基站名称进行统计，得到断站告警的次数，把断站次数大于等于5（大于10）的排好顺序，自动输出一个新的excel表“超频断站”。（同理类推，可以输出频次大于10的基站，频次大于100的基站）
超量断站分析及设计：按照有效列顺序，对“工单号”列进行统计，保留大于等于10次的工单;再对“故障原因”和“区县”进行统计判断是否均大于等于10次，确定是否符合超量断站的基本定义“同一时间内因同一故障原因造成10个以上逻辑基站断站”，符合条件的自动输出新的excel表格“超量断站”。
以超频断站为例的Python代码见下：
#超频断站
df_cpdz = df_0.loc[：，['地市'，'区县'，'网元名称'，'网管告警标题'，'告警发生时间'，'告警清除时间'，'故障时长']]
counts1 = df_cpdz[u'网元名称'].value_counts（）
counts = counts1[counts1>=5]
x =counts.index.values
cpdz = DataFrame（columns=['地市'，'区县'，'网元名称'，'网管告警标题'，'告警发生时间'，'告警清除时间'，'故障时长']）
for i in range（len（x））：
for j in range（len（df_cpdz））：
if df_cpdz.iat[j，2] == x[i]：
cpdz = cpdz.append（df_cpdz[j：j+1]，ignore_index=True）
t = Series（index=cpdz['网元名称']）
for i in t.index.values：
t[i] = counts[i]
t.index=range（len（t））
t=t.astype（int）
cpdz.insert（7，'断站次数'，t，allow_duplicates = True）
cpdz= cpdz.astype（str）
cpdz.to_excel（r'C：＼Users＼Lenovo＼Desktop＼超频断站.xls'，index=None）
三 结语
利用Python語言强大的数据处理功能，成功实现了基站故障分析的各项基本功能，可以在1-2秒内自动输出故障报表，并且在处理大量数据方面具有明显优势，不仅大大提高了工作效率，而且为下一步扩大人工智能语言Python在移动网基站规划、建设、优化及维护方面应用提供了良好的实践基础。
参考文献：
[1]杨帆，丁晓剑，刘禹锋，刘健.主体思维导向视角下的Python课程教学探索[J].计算机时代，2021（02）：74-76+79.
[3] 瞿苏.基于Python的飞机大战游戏设计[J].扬州职业大学学报.2019（01）.
（中国联通临沂市分公司 山东 临沂 276000）