通信基站关键指标数据异常检测与趋势预测的研究

本文主要研究了智能运维中的异常检测与趋势预测的问题。采用高斯滤波器、归一化处理等方法,完成了对数据的预处理;利用Hampel滤波函数获取异常值,通过快速傅里叶变换计算异常周期,最后使用数据训练模型和决策树分类器,建立基于BP神经网络的滚动预测模型,实现时间序列中的异常预测和趋势预测。

基于uni-app的高校网络故障报修系统的设计与实现

随着信息技术的发展,用户对网络故障的报修以及网络中心对故障的维修反馈的便捷性、实时性等方面提出更高的要求,因此许多高校开始研发本校的网络故障报修系统,而目前西藏地区仍然采用电话报修、人工记录通知的网络故障报修模式。为了实现西藏地区高校网络故障报修系统信息化,本文基于uni-app的前端应用开发架构和uniCloud设计了一个高校校园网络故障报修系统,该系统分为管理员端和客户端,分别采用uni-starter和uni-admin框架,系统包含网络故障报修、消息推送、文章推送和后台数据一键导出Excel的功能,可实现用户App、小程序、网页三端实时互通。经打包部署并进行三端应用测试,结果显示:系统数据传输稳定,应用软件人机交互界面易用,该系统能够有效提高网络故障报修的效率,对推进高校网络故障管理智能化、信息化建设具有重要意义。