[发明专利]一种基于机器学习技术的配电通信网融合控制方法及系统

权利要求书

1.一种基于机器学习技术的配电通信网融合控制方法，其特征在于，包括以下步骤：

步骤S1、采集配电通信网的多源数据；

步骤S2、对多源数据进行匹配识别，获取端口号发送的样本信息；

步骤S3、根据端口号发送的样本信息确定神经网络隐藏层的神经元个数；

步骤S4、神经网络以多源数据为输入进行筛选得到流量特征，对流量特征进行识别得到其对应的协议类型；

步骤S5、根据协议类型进行配电通信网融合。

2.根据权利要求1所述的一种基于机器学习技术的配电通信网融合控制方法，其特征在于，所述步骤S1中采用snmp协议来采集配电通信网的多源数据。

3.根据权利要求1所述的一种基于机器学习技术的配电通信网融合控制方法，其特征在于，所述步骤S1中的多源数据包括设备信息、设备型号、MAC地址、设备端口、运行时间、设备链路。

4.根据权利要求1所述的一种基于机器学习技术的配电通信网融合控制方法，其特征在于，所述步骤S3的具体步骤为：

步骤S31、将隐藏层的神经元数量设置为1；

步骤S32、采用样本信息对神经网络进行训练，并计算得到神经网络的第一训练误差；

步骤S33、使隐藏层的神经元数量加一，采用样本信息对神经网络进行训练，并计算得到神经网络的第二训练误差，判断第二训练误差是否小于第一训练误差；

步骤S34、当第二训练误差小于第一训练误差时，第二训练误差所对应的隐藏层神经元个数即为最终确定的神经元个数；若第二训练误差大于第一训练误差，则返回到步骤S33中。

5.根据权利要求1所述的一种基于机器学习技术的配电通信网融合控制方法，其特征在于，所述步骤S4神经网络以多源数据为输入进行筛选得到流量特征的具体步骤为：神经网络以多源数据作为输入得到一系列相关或不相关的流量特征，并从中选择几个相关性最强的流量特征，以此作为协议类型的识别依据。

6.根据权利要求1所述的一种基于机器学习技术的配电通信网融合控制方法，其特征在于，所述步骤S5的具体步骤为，将协议类型进行分类，对同种协议类型进行融合。

7.一种应用权利要求1-6任一所述基于机器学习技术的配电通信网融合控制方法的基于机器学习技术的配电通信网融合控制系统，其特征在于，包括：

数据采集模块，用于采集配电通信网的多源数据；

数据内容识别模块，用于对多源数据进行处理并获取端口号发送的样本信息；

协议识别模块，用于对采集的多源数据进行识别，得到其对应的协议类型；

融合控制模块，进行配电通信网融合；

所述协议识别模块包括训练样本模块以及神经网络模块，所述数据采集模块将采集的多源数据分别传输给数据内容识别模块以及神经网络模块，所述数据内容识别模块对多源数据进行处理后传输样本信息给训练样本模块，所述训练样本模块将样本信息传输给神经网络模块，所述神经网络模块根据样本信息进行训练并确定隐藏层的神经元个数，训练完成的神经网络模块对数据采集模块传输的多源数据进行识别并得到多种协议类型，所述神经网络模块将协议类型传输给融合控制模块，所述融合控制模块对协议类型进行分类后对同种协议类型进行融合。

8.根据权利要求7所述的一种基于机器学习技术的配电通信网融合控制系统，其特征在于，所述数据采集模块内置有snmp协议。

9.根据权利要求7所述的一种基于机器学习技术的配电通信网融合控制系统，其特征在于，所述融合控制模块包括分类模块以及融合模块，所述分类模块对神经网络模块传输的多种协议进行分类，并将同种类型的协议一起传输给融合模块，所述融合模块对同类型的协议进行融合。