电力通信网网管系统是确保电力通信网安全稳定运行的重要保障,当网管系统中的物理资源发生故障时,网管系统在第一时间接收到相关告警信息,并有工作人员处理告警信息。本文围绕电力通信网网管系统告警信息的相关问题,从网管系统数据预处理、网管资源故障诊断和网管资源的告警信息级别划分三个方面开展论文工作:1.研究了基于电力通信网网管系统的告警数据预处理。由于网管系统告警信息存在表述形式不统一、无法快速判断根源告警的情况,因而,在网管系统的原始告警数据中使用告警相关性分析方法获得从告警发生至告警消除这一时间段内的根源告警。对于数据传输过程中,传输故障导致的告警信息缺失,对具有缺失项的根源告警数据样本进行决策树分类,利用决策树分类完成缺失值的填充,保障数据的完整性,并通过实验得到验证。2.设计了基于网管系统深度信念网络的电力通信网故障诊断方案。考虑到深度信念网络在网管资源故障诊断中对损失值使用梯度下降法对参数进行更新,并达到学习的目的。为解决梯度下降造成样本数据得不到有效学习的问题,改变深度信念网络中选取的每一个隐藏层的激活函数,保证数据的多样性并避免梯度下降引起参数不再更新的问题。在实验中,将网管系统告警信息中的六类物理资源作为故障诊断的依据,其相关属性(如告警级别、告警类型、告警原因等)作为输入数据的特征,将数据分为训练集和测试集,通过训练集进行训练学习,并在测试集中验证模型的故障诊断性能。3.设计了基于网管系统贝叶斯网络的告警级别划分方案。在网管系统中,当出现多个告警信息时,对故障导致的告警信息级别进行优先级判断和排序,并依序处理故障。考虑到网管系统物理资源的包含关系,通过分析告警信息构建网管系统故障树,分析物理资源间的逻辑关系,并生成网管系统贝叶斯网络,实现电力通信网网管系统中对告警信息的级别划分,并通过对比实验验证其有效性。