本文版權(quán)為《郵電設(shè)計(jì)技術(shù)》所有，如需轉(zhuǎn)載請(qǐng)聯(lián)系《郵電設(shè)計(jì)技術(shù)》編輯部
摘 要：隨著網(wǎng)絡(luò)運(yùn)維要求的提高，傳統(tǒng)的被動(dòng)故障處理和人工巡檢已無(wú)法滿足需求，因此提出了基于AI的主動(dòng)預(yù)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(gè)AI預(yù)測(cè)光傳輸鏈路劣化隱患的設(shè)計(jì)思路，該思路包括數(shù)據(jù)采集、任務(wù)管理、AI預(yù)測(cè)和風(fēng)險(xiǎn)呈現(xiàn)及上報(bào)等模塊。實(shí)際應(yīng)用效果表明，AI回歸算法預(yù)測(cè)KPI的準(zhǔn)確率可達(dá)96%，而高風(fēng)險(xiǎn)隱患預(yù)測(cè)準(zhǔn)確率為75%，顯示了AI技術(shù)在網(wǎng)絡(luò)運(yùn)維中的潛力和提升空間。研究結(jié)果表明，AI技術(shù)能夠有效識(shí)別傳統(tǒng)巡檢難以發(fā)現(xiàn)的緩慢劣化類鏈路風(fēng)險(xiǎn)隱患，提升網(wǎng)絡(luò)運(yùn)維的主動(dòng)性和效率。
關(guān)鍵詞：傳輸隱患；智能分析；人工智能；大數(shù)據(jù)；網(wǎng)絡(luò)運(yùn)維
doi：10.12045/j.issn.1007-3043.2024.12.014
概述
在日常網(wǎng)絡(luò)維護(hù)中，絕大多數(shù)網(wǎng)絡(luò)故障都是事后處理，即在發(fā)生故障后再根據(jù)故障產(chǎn)生的告警來(lái)定界定位故障的網(wǎng)元、故障位置，分析故障的原因。但隨著新時(shí)代的到來(lái)，對(duì)網(wǎng)絡(luò)運(yùn)維的要求越來(lái)越高，網(wǎng)絡(luò)質(zhì)量對(duì)客戶投訴有著最直接的影響，所以網(wǎng)絡(luò)運(yùn)維不能再停留在被動(dòng)的故障處理中，而要對(duì)主動(dòng)性預(yù)防提出新的要求。傳統(tǒng)的主動(dòng)預(yù)防主要是人工巡檢，即通過(guò)人工對(duì)大量性能 KPI 數(shù)據(jù)進(jìn)行分析檢測(cè)，來(lái)確定所有傳輸鏈路是否存在風(fēng)險(xiǎn)和隱患。但由于人工的效率較低，而設(shè)備的日常KPI數(shù)據(jù)量過(guò)于龐大，導(dǎo)致能夠分析出的風(fēng)險(xiǎn)和隱患較少，很多輕微劣化、緩慢劣化的故障并不能通過(guò)人工或者簡(jiǎn)單的識(shí)別規(guī)則及時(shí)發(fā)現(xiàn)，而且通過(guò)人工巡檢識(shí)別風(fēng)險(xiǎn)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(yīng)學(xué)習(xí)等方法的優(yōu)勢(shì)，提升光傳輸鏈路的風(fēng)險(xiǎn)與隱患預(yù)測(cè)預(yù)防能力，本文將就此進(jìn)行重點(diǎn)研究。
