[发明专利]光通道性能劣化智能预警方法、装置、设备及存储介质

权利要求书

1.一种光通道性能劣化智能预警方法，其特征在于，所述光通道性能劣化智能预警方法，包括：

获取电信传送网中待监测光通道的性能数据，根据所述性能数据构建所述待监测光通道的关键绩效指标KPI性能预测模型；

根据KPI性能预测模型对所述待监测光通道的性能进行周期趋势预测，获得性能趋势预测结果；

根据性能趋势预测结果判断所述待监测光通道是否出现性能劣化，在出现性能劣化时，进行预警处理；

其中，所述获取电信传送网中待监测光通道的性能数据，根据所述性能数据构建所述待监测光通道的关键绩效指标KPI性能预测模型，包括：

获取电信传送网中若干待监测光通道的性能数据；

根据各性能数据确定各待监测光通道的各性能预测目标，根据各性能预测目标从预设数据库中选取对应的若干目标模型算法；

根据各性能预测目标和各目标模型算法构建各待监测光通道的关键绩效指标KPI性能预测模型；

其中，所述根据各性能预测目标和各目标模型算法构建各待监测光通道的关键绩效指标KPI性能预测模型，包括：

根据各性能预测目标和各目标模型算法构建各待监测光通道的关键绩效指标KPI性能预测候选基线模型；

获取各待监测光通道的历史性能数据，根据所述历史性能数据从各KPI性能预测候选基线模型中选取最优基线模型；

获取若干待监测光通道的通道参数；

根据各通道参数将各待监测光通道划分为相同路由不同波长的光通道组；

基于所述最优基线模型对各光通道组进行分组训练，获得各待监测光通道的KPI性能预测模型。

2.如权利要求1所述的光通道性能劣化智能预警方法，其特征在于，所述获取各待监测光通道的历史性能数据，根据所述历史性能数据从各KPI性能预测候选基线模型中选取最优基线模型，包括：

获取各待监测光通道的历史性能数据；

根据所述历史性能数据对各KPI性能预测候选基线模型进行训练，获得各KPI性能预测候选基线模型的训练精度；

从各KPI性能预测候选基线模型中选取训练精度最高的KPI性能预测候选基线模型作为最优基线模型。

3.如权利要求1所述的光通道性能劣化智能预警方法，其特征在于，所述根据KPI性能预测模型对所述待监测光通道的性能进行周期趋势预测，获得性能趋势预测结果，包括：

获取KPI性能预测模型的模型类别和模型用途；

根据所述模型类别和所述模型用途从各待监测光通道的历史性能库中读取所需周期的目标性能数据；

将所述目标性能数据输入至所述KPI性能预测模型中，获得所述所需周期的性能趋势预测结果。

4.如权利要求1所述的光通道性能劣化智能预警方法，其特征在于，所述根据性能趋势预测结果判断所述待监测光通道是否出现性能劣化，在出现性能劣化时，进行预警处理，包括：

从所述性能趋势预测结果中获得各个时段的分时动态阈值；

将所述性能趋势预测结果与所述分时动态阈值比较，判断所述待监测光通道是否出现当前性能异常；

从所述性能趋势预测结果中获得趋势预测值，根据所述趋势预测值是否进入了预设性能劣化风险区判断所述待监测光通道是否出现趋势异常；

在出现当前性能异常和/或趋势异常时，判定所述待监测光通道出现性能劣化；

在所述待监测光通道出现性能劣化时，进行预警处理。

5.如权利要求4所述的光通道性能劣化智能预警方法，其特征在于，所述从所述性能趋势预测结果中获得各个时段的分时动态阈值，包括：

从所述性能趋势预测结果中获得各个时段的所有本时段预测值；

从所述所有本时段预测值中确定最大预测值和最小预测值；

根据预设调整系数、所述最大预测值和所述最小预测值获得各个时段的分时动态阈值。