CN119402083A 基于深度学习的骨干网线路衰耗分析预警方法及系统 （国网新疆电力有限公司信息通信公司）

司基于深度学习的骨干网线路衰耗分析预警本发明公开了基于深度学习的骨干网线路信道的收发光功率数据；建立收发光功率数据通过评估链路的整体损耗故障度和计算链路间了可靠依据，提升了网络的运行稳定性与可靠2t表示第t个数以i个数据采集节点作为一个步长，将所述采集节点内采集的收发光功率数据，若n＝个数据采集节点到第T个数据采集节点内采集的收发光基于时间窗，并利用SDN控制器对信道CHab进行状态监控，构建收发光功率数据集EPDabn)表示在时间窗Sn内信道CHab收集的3min表示最小的数据差异波动值。以最小的数据差异波动值对应的步长i作为数据采集周期，对收发光功率数据进行采oo(s,)-基于链路LSa的整体损耗故障度，计算链路LSa与链路LSc之a与链路LSc之间预设关联度阈值θ,若AD(LSa,LSc)>θ,则判定链路LSa所述链路与信道数据库构建模块：对骨干网中的链路进行统一的编号4所述损耗故障分析与预警模块：分析并评估链路的整体损耗故障度所述链路与信道数据库构建模块包括链路编号与数据库构建单元和信道编号与数据库构所述链路编号与数据库构建单元：对骨干网中的链路进行统一的编号所述时间窗划分与数据采集模块包括数据采集节点序列构建单元和时间窗划分与步长设n内记录有从第i(n_1)+1个间窗Sn内记录有从第i(n_1)+1个数据采集节点到第T个数据采集节点内采集的收发光功率所述数据波动分析与迭代计算模块包括收发光功率数据集构建单元和数据差异波动值计基于时间窗，并利用SDN控制器对信道CHab进行状态监控，构建收发光功率数据集EPDabn)表示在时间窗Sn内信道CHab收集的所述数据差异波动值计算与步长优化单元：基于收发光功率数据集EPD10.根据权利要求9所述的基于深度学习的骨干网线路衰耗分析预警系统，其特征在5所述链路损耗故障度评估单元：以最小的数据差异波动值对应的步长i作为数据采集预设关联度阈值θ,若AD(LSa,LSc)>θ,则判定链路LSa6[0002]随着通信技术和网络规模的迅速发展，骨干网作为现代通信网络的核心组成部或单一采样周期进行数据分析，未能充分考虑光功率信号随时间和环境变化的波动特性，[0007]作为本发明所述基于深度学习的骨干网线路衰耗分析预警方法方法的一种优选7[0009]作为本发明所述基于深度学习的骨干网线路衰耗分析预警方法方法的一种优选1)+1个数据采集节点到第T个数据采集节点内采集的收发光[0011]作为本发明所述基于深度学习的骨干网线路衰耗分析预警方法方法的一种优选8[0023]作为本发明所述基于深度学习的骨干网线路衰耗分析预警方法方法的一种优选[0027]基于链路LSa的整体损耗故障度，计算链路LSa与链路LSc之间的损耗故障度差异a与链路[0031]预设关联度阈值θ,若AD(LSa,LSc)>θ,则判定链路LSa与链路LSc之间的存在关联关9则时间窗Sn内记录有从第i(n_1)+1个数据采集节点到第T个数据采集节点内采集的收发光[0049]所述链路损耗故障度评估单元：以最小的数据差异波动值对应的步长i作为数据[0051]预设关联度阈值θ,若AD(LSa,LSc)>θ,则判定链路LSa与链路LSc之间的存在关联关[0058]请参阅图1，在本实施例一中：提供基于深度学习的骨干网线路衰耗分析预警方[0064]进一步的，以i个数据采集节点作为一个步长，将所述数据采集节点序列划分为有从第i(n_1)+1个数据采集节点到第T个数据采集节点内采集22为[0081]基于链路LSa的整体损耗故障度，计算链路LSa与链路LSc之间的损耗故障度差异[0084]例如，链路LS2时的整体损耗故障度为链路LS1与链路LS2之间的损耗[0085]预设关联度阈值θ,若AD(LSa,LSc)>θ,则判定链路LSa与链路LSc之间的存在关联关[0088]请参阅图2，在本实施例二中：提供基于深度学习的骨干网线路衰耗分析预警系则时间窗Sn内记录有从第i(n_1)+1个数据采集节点到第T个数据采集节点内采集的收发光[0104]所述链路损耗故障度评估单元：以最小的数据差异波动值对应的步长i作为数据[0106]预设关联度阈值θ