[发明专利]一种光网络故障检测方法及系统

说明书

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。

技术领域

本发明涉及通信技术领域，尤其涉及一种光网络故障检测方法及系统。

背景技术

现代通信大多数以光网路为基石，光网络一旦发生故障，就会造成不可估量的损失，所以光网络中的故障检测是很重要的。

光网络的硬件故障主要分为两类，显性故障和隐性故障。显性故障是指那些由于单个特征明显超出正常范围所导致的故障，显性故障通过简单的机器学习方法甚至单阈值判别方法即可得到很高的判别准确率以及F1值。隐性故障是指那些设备已经明显发生故障，但所有的特征值却又都在正常范围之内的故障，隐性故障通过简单的机器学习方法很难得到很好的检测效果。此外，在光网络中，故障是很少发生的，这就造成了数据集的不平衡，即正常数据很多，而故障数据很少。不均衡数据对于模型的训练有着极大影响，它会使模型更偏向于将数据判为正常类，以此来换取较小的损失值，导致最终的检测效果不佳。

因而，现在亟需一种光网络故障检测方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明提供一种光网络故障检测方法及系统。

本发明提供一种光网络故障检测方法，包括：

获取待检测的光网络性能数据；

将所述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，获取所述待检测的光网络性能数据的隐空间重构误差，以根据所述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，所述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，所述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。

根据本发明提供的一种光网络故障检测方法，所述训练好的光网络故障检测模型通过以下步骤训练得到：

根据样本光网络性能数据，构建原始空间样本集，所述原始空间样本集包括样本训练集和样本验证集，所述样本训练集中的样本光网络性能数据为非故障数据，所述样本验证集中的样本光网络性能数据包括非故障数据和故障数据；

将所述样本训练集输入到所述改进的自编码器神经网络中进行训练，得到训练好的光网络故障检测模型。

根据本发明提供的一种光网络故障检测方法，所述将所述样本训练集输入到所述改进的自编码器神经网络中进行训练，得到训练好的光网络故障检测模型，包括：

将所述样本训练集输入到所述第一编码器，获取样本隐空间训练集；

将所述样本隐空间训练集输入到所述解码器，获取重构后的样本训练集；

将所述重构后的样本训练集输入到所述第二编码器，获取样本隐空间重构训练集；

根据所述样本训练集、所述重构后的样本训练集、所述样本隐空间训练集和所述样本隐空间重构训练集，获取所述改进的自编码器神经网络的损失函数值，若判断获知损失函数值满足收敛条件，得到训练好的光网络故障检测模型。

根据本发明提供的一种光网络故障检测方法，在所述将所述样本训练集输入到所述改进的自编码器神经网络中进行训练，得到训练好的光网络故障检测模型之后，所述方法还包括：