[发明专利]一种无源光网络切片划分方法、装置及系统

权利要求书

1.一种无源光网络切片划分方法，其特征在于，包括：

基于每个切片的历史流量数据，采用长短期记忆神经网络模型，预测每个切片在下一个切片带宽分配周期的流量，得到每个切片的流量预测值；

根据每个切片的流量预测值，采用基于带宽请求的比例分配带宽策略，获得每个切片的共享带宽比；

所述根据每个切片的流量预测值，采用基于带宽请求的比例分配带宽策略，获得每个切片的共享带宽比，具体包括：

根据每个切片的流量预测值，利用公式r_m(t)＝τ_j*p_m(0)，计算每个切片的基于优先级加权的带宽请求；

其中，r_m(t)表示切片m的基于优先级加权的带宽请求，p_m(t)为切片的流量预测值，τ_j为优先级权重；

根据每个切片的基于优先级加权的带宽请求，利用公式计算每个切片的共享带宽比；

其中，δ_m(t)表示切片m的共享带宽比，r_n(t)表示切片n的基于优先级加权的带宽请求，N表示切片的数量；

将每个切片的共享带宽比分别与每个切片的分配比上限值比较，并将共享带宽比大于分配比上限值的切片的共享带宽比修正为所述切片的分配上限值；

分别根据每个切片的共享带宽比和预设的最小保证带宽比进行每个切片的带宽资源分配；

所述分别根据每个切片的共享带宽比和预设的最小保证带宽比进行每个切片的带宽资源分配，具体包括：

分别根据每个切片的共享带宽比，利用公式进行每个切片的带宽资源分配；

其中，为分配给切片m的带宽资源，B_total为无源光网络的总带宽，为切片m的最小保证带宽比，B_remain为无源光网络的分配共享带宽，δ_m(t)表示切片m的共享带宽比。

2.根据权利要求1所述的无源光网络切片划分方法，其特征在于，所述将每个切片的共享带宽比分别与每个切片的分配比上限值比较，并将共享带宽比大于分配比上限值的切片的共享带宽比修正为所述切片的分配上限值，具体包括：

对于切片m，判断公式是否成立，获得判断结果；

若所述判断结果表示否，则将δ_m(t)的数值修正为

其中，δ_m(t)表示切片m的共享带宽比，表示切片m的分配上限值，t表示下一个切片带宽分配周期的时间。

3.根据权利要求1所述的无源光网络切片划分方法，其特征在于，所述基于每个切片的历史流量数据，采用长短期记忆神经网络模型，预测每个切片在下一个切片带宽分配周期的流量，得到每个切片的流量预测值，之前还包括：

根据每个切片的租户所缴纳费用和优先级，预设每个切片的最小保证带宽比。

4.根据权利要求1所述的无源光网络切片划分方法，其特征在于，所述基于每个切片的历史流量数据，采用长短期记忆神经网络模型，预测每个切片在下一个切片带宽分配周期的流量，得到每个切片的流量预测值，之前还包括：

以切片带宽分配周期为采样周期，分别对每个切片的流量数据进行采集，获得流量样本数据集；

将所述流量样本数据集划分为训练集、验证集和测试集；

采用归一化、差分和滑窗的方式对所述训练集、所述验证集和所述测试集进行预处理；

基于预处理后的训练集，以均方误差作为损失函数，以Adam作为优化算法，对所述长短期记忆神经网络模型进行训练，获得训练后的长短期记忆神经网络模型；

基于预处理后的验证集和测试集，以平均绝对百分比误差作为指标，对训练后的长短期记忆神经网络模型进行验证和测试。