公开(公告)号：CN112953629B

公开(公告)日：2022-07-05

申请号：CN202110282984.7

申请日：2021-03-16

Applicant: 北京邮电大学

Inventor： 王丹石 ,  张民 ,  王玲玲 ,  张春宇 ,  刘松林

IPC: H04B10/079 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00

Abstract: 本发明提供一种光网络故障预测不确定性分析方法及系统，该方法包括：获取待预测光网络故障的光网络性能数据；基于无监督学习方法，对光网络性能数据进行标注，得到目标光网络性能数据和目标标签；将目标光网络性能数据和所述目标标签输入到训练好的光网络故障预测模型，获取光网络故障预测结果和光网络故障预测结果对应的故障不确定性度量，训练好的光网络故障预测模型是由样本光网络性能数据，对贝叶斯神经网络进行训练得到的。本发明通过无监督学习方法实现数据自动标注，保证了数据自动标注的准确性和高效性，并基于贝叶斯神经网络的故障预测及预测不确定性分析，提高了故障预测的可靠性。

公开(公告)号：CN112953629A

公开(公告)日：2021-06-11

申请号：CN202110282984.7

申请日：2021-03-16

Applicant: 北京邮电大学

Inventor： 王丹石 ,  张民 ,  王玲玲 ,  张春宇 ,  刘松林

IPC: H04B10/079 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00

Abstract: 本发明提供一种光网络故障预测不确定性分析方法及系统，该方法包括：获取待预测光网络故障的光网络性能数据；基于无监督学习方法，对光网络性能数据进行标注，得到目标光网络性能数据和目标标签；将目标光网络性能数据和所述目标标签输入到训练好的光网络故障预测模型，获取光网络故障预测结果和光网络故障预测结果对应的故障不确定性度量，训练好的光网络故障预测模型是由样本光网络性能数据，对贝叶斯神经网络进行训练得到的。本发明通过无监督学习方法实现数据自动标注，保证了数据自动标注的准确性和高效性，并基于贝叶斯神经网络的故障预测及预测不确定性分析，提高了故障预测的可靠性。

公开(公告)号：CN113193911A

公开(公告)日：2021-07-30

申请号：CN202110393896.4

申请日：2021-04-13

Applicant: 北京邮电大学

Inventor： 王丹石 ,  张民 ,  刘松林 ,  张春宇 ,  王玲玲

IPC: H04B10/079 ,  G06N3/08

Abstract: 本发明提供一种光网络故障检测方法及系统，该方法包括：获取待检测的光网络性能数据；将待检测的光网络性能数据输入到训练好的光网络故障检测模型，获取待检测的光网络性能数据的隐空间重构误差，以根据隐空间重构误差和预设故障阈值，得到光网络故障检测结果，其中，训练好的光网络故障检测模型是由样本光网络性能数据，对改进的自编码器神经网络进行训练得到的，改进的自编码器神经网络包括第一编码器、第二编码器和解码器。本发明根据隐空间重构误差和预设故障阈值得到光网络故障检测结果，提高了模型的抗干扰性，并基于改进的自编码器神经网络，便于更好地学习训练数据的数据模式，减小重构误差，提升异常检测的效果。