公开(公告)号：CN112270058B

公开(公告)日：2023-05-16

申请号：CN202011044514.9

申请日：2020-09-28

Applicant: 华北理工大学

Inventor： 李莹琦 ,  王嘉林 ,  曹荻非 ,  才迪 ,  秦林林 ,  李志刚 ,  孙晓川

IPC: G06F30/18 ,  G06F30/27 ,  G06F119/02

Abstract: 本发明公开了一种基于回声状态网络的光网络多信道传输质量预测方法，收集并加载广域光骨干网络中的用于传输质量试验的多条信道的Q因子数据，设置包含信道状态和Q因子特征的组合向量表达每一条信道中Q因子状态；选择组合向量中需要同时进行预测的多条信道数据进行归一化处理，作为训练样本，对构建的CESN神经网络结构进行训练，用训练好的CESN预测模型进行预测，再对预测结果进行反归一化得到预测的多信道Q因子数据值。该方法可以克服传统机器学习方法中存在的低时效问题，提供高准确度和高时间效率的光网络传输质量预测模型；同时，该方法可以同时预测多条光路的传输质量，减少网络损耗并提高效率。

公开(公告)号：CN112270058A

公开(公告)日：2021-01-26

申请号：CN202011044514.9

申请日：2020-09-28

Applicant: 华北理工大学

Inventor： 李莹琦 ,  王嘉林 ,  曹荻非 ,  才迪 ,  秦林林 ,  李志刚 ,  孙晓川

IPC: G06F30/18 ,  G06F30/27 ,  G06F119/02

Abstract: 本发明公开了一种基于回声状态网络的光网络多信道传输质量预测方法，收集并加载广域光骨干网络中的用于传输质量试验的多条信道的Q因子数据，设置包含信道状态和Q因子特征的组合向量表达每一条信道中Q因子状态；选择组合向量中需要同时进行预测的多条信道数据进行归一化处理，作为训练样本，对构建的CESN神经网络结构进行训练，用训练好的CESN预测模型进行预测，再对预测结果进行反归一化得到预测的多信道Q因子数据值。该方法可以克服传统机器学习方法中存在的低时效问题，提供高准确度和高时间效率的光网络传输质量预测模型；同时，该方法可以同时预测多条光路的传输质量，减少网络损耗并提高效率。