本文版權為《郵電設計技術》所有，如需轉載請聯(lián)系《郵電設計技術》編輯部
摘 要：隨著網絡運維要求的提高，傳統(tǒng)的被動故障處理和人工巡檢已無法滿足需求，因此提出了基于AI的主動預防方法。首先分析了傳統(tǒng)巡檢手段的局限性，隨后提出一個AI預測光傳輸鏈路劣化隱患的設計思路，該思路包括數(shù)據(jù)采集、任務管理、AI預測和風險呈現(xiàn)及上報等模塊。實際應用效果表明，AI回歸算法預測KPI的準確率可達96%，而高風險隱患預測準確率為75%，顯示了AI技術在網絡運維中的潛力和提升空間。研究結果表明，AI技術能夠有效識別傳統(tǒng)巡檢難以發(fā)現(xiàn)的緩慢劣化類鏈路風險隱患，提升網絡運維的主動性和效率。
關鍵詞：傳輸隱患；智能分析；人工智能；大數(shù)據(jù)；網絡運維
doi：10.12045/j.issn.1007-3043.2024.12.014
概述
在日常網絡維護中，絕大多數(shù)網絡故障都是事后處理，即在發(fā)生故障后再根據(jù)故障產生的告警來定界定位故障的網元、故障位置，分析故障的原因。但隨著新時代的到來，對網絡運維的要求越來越高，網絡質量對客戶投訴有著最直接的影響，所以網絡運維不能再停留在被動的故障處理中，而要對主動性預防提出新的要求。傳統(tǒng)的主動預防主要是人工巡檢，即通過人工對大量性能 KPI 數(shù)據(jù)進行分析檢測，來確定所有傳輸鏈路是否存在風險和隱患。但由于人工的效率較低，而設備的日常KPI數(shù)據(jù)量過于龐大，導致能夠分析出的風險和隱患較少，很多輕微劣化、緩慢劣化的故障并不能通過人工或者簡單的識別規(guī)則及時發(fā)現(xiàn)，而且通過人工巡檢識別風險隱患的成本較高。那么，是否能利用 AI 算法在大數(shù)據(jù)處理、自適應學習等方法的優(yōu)勢，提升光傳輸鏈路的風險與隱患預測預防能力，本文將就此進行重點研究。
