买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国脉科技股份有限公司申请的专利基于人工智能的通信基站监测方法及其系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119545403B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510096098.3，技术领域涉及：H04W24/04；该发明授权基于人工智能的通信基站监测方法及其系统是由刘斌设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本基于人工智能的通信基站监测方法及其系统在说明书摘要公布了：本申请提供基于人工智能的通信基站监测方法及其系统，获取与第一目标基站相关的各个部件的运维数据；计算目标故障度；获取历史故障类型集；从第一训练集中获取第一故障参数；从第二训练集中获取第二故障参数；根据第一故障参数对第一目标基站的各个部件进行故障检测；获取第二目标基站；融合第一故障参数和第二故障参数，得到第三故障参数；根据第三故障参数对第二目标基站的各个部件进行故障检测；计算得到第二目标基站的各个部件的预测故障概率；不仅可以提高监测过程中数据处理的效率，确保运维人员可以对通信基站进行及时维护，而且能够结合环境变量的动态变化生成准确的故障概率预测结果，有助于提高运维水平。

本发明授权基于人工智能的通信基站监测方法及其系统在权利要求书中公布了：1.基于人工智能的通信基站监测方法，其特征在于，包括以下步骤： 获取与第一目标基站相关的各个部件的运维数据； 从运维数据中识别对应的特征因子集，特征因子集包括故障特征因子集和稳定特征因子集；其中，故障特征因子集用于捕捉故障前的异常变化、故障发生时的特征以及故障后的恢复模式，稳定特征因子集用于捕捉系统正常运行时的指标和系统稳定性的指标； 根据故障特征因子集获得第一目标基站相关的各个部件的故障类型； 根据故障特征因子集和稳定特征因子集计算目标故障度； 当目标故障度达到故障度阈值时，获取与第一目标基站相关的历史故障类型集，历史故障类型集包括第一训练集和第二训练集；第一训练集包括复数个第一历史故障类型，第二训练集包括复数个第二历史故障类型； 从第一训练集中获取与各个第一历史故障类型对应的第一故障参数，每个第一故障参数对应一个第一历史故障类型； 从第二训练集中获取与各个第二历史故障类型对应的第二故障参数，每个第二故障参数对应一个第二历史故障类型； 当故障类型与一个第一历史故障类型的匹配度达到第一匹配度阈值时，根据第一故障参数对第一目标基站的各个部件进行故障检测； 当故障类型与一个第二历史故障类型的匹配度达到第二匹配度阈值时，获取与第一目标基站在同一预设空间内的第二目标基站，预设空间内的第二目标基站至少有1个； 融合第一故障参数和第二故障参数，得到第三故障参数； 根据第三故障参数对第二目标基站的各个部件进行故障检测，得到故障概率和环境变量： 根据故障概率和环境变量，获取第二目标基站的各个部件在一定时间段内的故障概率时序数据和环境变量时序数据； 对故障概率时序数据和环境变量时序数据进行预处理后，输入预先训练的预测模型，得到第二目标基站的各个部件在未来设定时间段内的预测故障概率； 其中，预测模型是通过第二目标基站的各个部件的历史故障概率时序数据样本和历史环境变量时序数据样本对基于高低频循环和环境变量协同的神经网络进行训练得到的； 所述的方法还包括： 根据第三故障参数对第二目标基站的各个部件进行故障检测，获得故障检测报告； 将故障检测报告传输至运维中心进行策略解析寻优，获得区域联动运维策略参数，并基于区域联动运维策略参数对第一目标基站和第二目标基站的区域进行故障运维管控；所述获得区域联动运维策略参数，包括：基于故障检测报告分别与故障运维策略库进行特征匹配，获得故障运维策略； 根据故障运维策略，构建故障运维策略空间，并按照故障运维策略空间对故障检测报告进行参数解析，获得运维策略参数阈值； 按照预设搜索范围在运维策略参数阈值内分别进行参数全局寻优，得到运维策略参数； 将运维策略参数按照基站的巡检顺序进行联动整合，获得区域联动运维策略参数； 所述的方法按照以下方式预先训练所述预测模型： 获取第二目标基站的各个部件的历史故障概率时序数据样本和历史环境变量时序数据样本； 对历史故障概率时序数据样本和历史环境变量时序数据样本进行预处理后，将历史故障概率时序数据样本和历史环境变量时序数据样本分别转化为故障概率有监督数据和环境变量有监督数据； 将故障概率有监督数据和环境变量有监督数据输入神经网络进行训练，在达到预设训练截止条件后得到预测模型； 所述基于高低频循环和环境变量协同的神经网络包括顺序连接的数据输入模块、数据预处理模块、高频特征提取模块、低频特征提取模块、环境变量处理模块、特征融合模块、循环神经网络模块和输出模块； 数据输入模块用于接收输入数据，包括高低频信号和环境变量多种数据源；数据预处理模块用于数据清洗和标准化；高频特征提取模块用于捕捉时间序列中的短期和局部模式，并将时间序列转换为频率域，以提取高频成分；低频特征提取模块用于捕捉时间序列中的长期依赖关系，并提取时间序列的低频趋势和季节性成分；环境变量处理模块包括嵌入层和全连接层，嵌入层用于将类别型环境变量转换为固定维度的向量，全连接层用于对数值型环境变量进行非线性变换；特征融合模块用于将高低频特征向量与环境变量特征向量在维度上进行拼接融合；循环神经网络模块用于进一步处理融合后的特征序列，以捕捉复杂的时序关系；输出模块用于根据具体任务的需求，将融合后的信息转化为所需的输出结果； 所述的方法还包括：根据历史故障类型集计算与第一目标基站相关的第一故障相关因子集，其中，第一故障相关因子集包括复数个第一关键故障相关因子和复数个第二关键故障相关因子； 从第一训练集中获取与各个第一关键故障相关因子对应的第一权重参数，其中，每个第一权重参数对应一个第一关键故障相关因子； 从第二训练集中获取与各个第二关键故障相关因子对应的第二权重参数，其中，每个第二权重参数对应一个第二关键故障相关因子； 计算与第一关键故障相关因子对应的第一故障关键性参数； 计算与第二关键故障相关因子对应的第二故障关键性参数； 计算各个第一故障关键性参数、第二故障关键性参数的第一融合度；第一融合度是一个综合指标，用于评估各个故障关键性参数的综合影响； 进一步地，将第一融合度达到融合度阈值的部件确定为第一目标基站的第一关键部件，具体包括： 计算各个第一故障关键性参数、第二故障关键性参数的第一融合度； 融合以上两第一融合度，得到第二融合度； 将第二融合度达到融合度阈值的部件确定为第一目标基站的第一关键部件； 进一步地，所述将第二融合度达到融合度阈值的部件确定为第一目标基站的第一关键部件，具体包括： 计算各个第一故障关键性参数、第二故障关键性参数的第一融合度； 融合以上两第一融合度，得到第二融合度； 将第二融合度大于等于0的部件确定为第一目标基站的第一关键部件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国脉科技股份有限公司，其通讯地址为：350000 福建省福州市马尾区江滨东大道116号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。