基于BP神经网络的高校用户网络故障急诊系统

高慧，浩庆波

（1.曲阜师范大学网络信息中心，山东日照，276800；2.曲阜师范大学网络信息中心，山东济宁，273100）

1 高校用户网络故障的特点

1.1 多样性

高校用户在网络使用过程中遇到的故障情况是多种多样的，其次，造成高校用户网络故障的因素是多种多样的。最后，造成网络故障的因素和网络故障之间的关系是复杂的。

1.2 非线性

故障产生的因素和故障情况之间不是一对一的关系，可能多个因素导致了某一故障情况的产生，也可能某个故障因素会造成多种故障情况。因素和结果之间不是一对一的线性关系。

1.3 复杂性

网络故障因素和故障之间的关系错综复杂，众多故障产生的因素和故障结果构建成了一个复杂的网状结构，为了及时的定位故障原因，以故障情况作为输入，经过层层的计算和误差分析以及误差信号的反向传播，最终输出故障定位，BP神经网络系统有效的解决了这一难题。

2 BP神经网络

BP算法的基本思想是：学习的过程分为信号的正向传播和误差的反向传播两个过程。图1清楚的表达了算法的信号流向。

图1 BP算法信号流向图

BP算法的程序实现步骤为：首先，初始化：权值矩阵W、V赋值为随机数，设定样本模拟计数器P以及训练次数计数器q都初始化为1，误差E设置为0，学习率η设置为大于0小于等于1的任意小数，训练之后能达到的精度 EMN初始化为正小数。其次，输入训练样本并计算每层的输出：取当前故障情况的编号样本和故障因素的编号样本分别作为输入样本和期望输出，计算出Y和O的分量 yj, ok。第三步，计算网络输出的误差：假设训练样本为P对，本次取所有样本输出误差的二次方 ( Ep)2的求和再开方。第四步，误差反向展开：计算各层的误差信号

第五步，调整各层的权值：计算W、V中的各个分量。

第六步，检查所有的样本是否完成了一次训练：如果p＜P，那么p、q都加1，返回第二步，否则转到第七步。第七步，检查最终误差是都达到了精度的要求：假设网络的总误差为ERMN，若 ERMN＜EMN，那么训练结束，否则，设E等于0，p等于1，返回第二步。

3 高校网络故障急诊系统

基于BP神经网络的高校用户网络故障急诊系统的检测原理如图2所示。

图2 BP神经网络检测网络故障原理图

高校用户上网设备主要有路由器、电脑、手机、网络机顶盒4类。故障相应分为路由器WAN口灯不亮，路由器无信号、电脑本地连接为红色叉号、电脑本地连接为感叹号、电脑无法上网、手机无法连接无线、手机无法上网、网络机顶盒无法加载视频、登陆认证失败9类。网络故障原因分为线路不通、路由器配置不正确、电脑网络参数配置不正确、网络设备异常、网卡禁用、未进行登陆认证6类。分别给网络故障现象和故障原因按上序编号，符合则编号为1，否则为0。例如，X=（1，0，0，1，1，0，0，0，0）表示故障情况为路由器WAN灯不亮，电脑本地连接为叹号，电脑无法上网，那么期望输出的故障原因是 d=（1，0，0，0，0，0），即线路不通。系统根据用户的选择进行计算，判定故障原因，并反馈出相应的解决办法。

4 总结

基于BP神经网络的高校用户网络故障急诊系统很有针对性的解决了高校网络维护效率低的问题，用户不仅可以第一时间自检网络故障。该系统仍存在一定缺陷，首先BP神经网络运行效率低，容易形成局部极小值而达不到全局优化，其次，本系统为了避免用户的程序安装采用了小程序的形式，需要在用户手机开通了运营商流量的前提下使用，没有完全做到脱机服务。在接下来的研究中，文章将继续优化核心算法，并寻找更独立的服务方式。