研究目的
研究统计机器学习技术在透明光网络中定位单链路故障的应用,以缩短平均修复时间(MTTR)。
研究成果
所提出的故障定位方案无需额外监测设备即可实现高精度(网络负载为20爱尔兰时准确率高达99%),有效降低了透明光网络中故障定位的平均修复时间和人力投入。
研究不足
该方法的准确性在轻负载网络(7至20爱尔兰)上进行了测试,但未评估其在更高负载或更大规模网络中的性能。实际可行性问题(如数据采集时间和模型可扩展性)被列为未来研究方向。
研究目的
研究统计机器学习技术在透明光网络中定位单链路故障的应用,以缩短平均修复时间(MTTR)。
研究成果
所提出的故障定位方案无需额外监测设备即可实现高精度(网络负载为20爱尔兰时准确率高达99%),有效降低了透明光网络中故障定位的平均修复时间和人力投入。
研究不足
该方法的准确性在轻负载网络(7至20爱尔兰)上进行了测试,但未评估其在更高负载或更大规模网络中的性能。实际可行性问题(如数据采集时间和模型可扩展性)被列为未来研究方向。
加载中....
您正在对论文“[IEEE 2017国际光网络设计与建?;嵋?ONDM) - 布达佩斯(2017.5.15-2017.5.18)] 2017年国际光网络设计与建模会议(ONDM) - 一种故障定位的概率方法”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期