[发明专利]对量子通信网络中多网元数据进行预测的方法及系统

权利要求书

1.一种对量子通信网络中多网元数据进行预测的方法，包括：

获取量子通信网络中的多网元数据；

对所述多网元数据进行数据预处理；以及

利用LSTM-DBN网络模型对预处理后的所述多网元数据进行预测，获得下一时刻多网元数据的预测值，其中，所述LSTM-DBN网络模型包括LSTM模型和DBN模型，所述下一时刻多网元数据的预测值包括下一时刻所述量子通信的网络状态和下一时刻的多网元数据；

所述对所述多网元数据进行数据预处理包括：对所述多网元数据进行归一化处理和一致化处理，数据归一化处理的目的是将原始网元数据限定在[0，1]范围内，通过公式(1)进行归一化处理：

其中，x_i,j(t)为量子通信网络中第i个子系统中第j个网元在t时刻的原始监测数据，min(x_i,j)和max(x_i,j)分别表示第i个子系统中第j个网元在所有时刻中的最小值和最大值，x′_i,j(t)为对第i个子系统中第j个网元在t时刻的原始监测数据经过归一化后的值；

通过公式(2)对归一化后的网元数据进行一致化处理：

其中，x′_i,j(t)为对第i个子系统中第j个网元在t时刻的原始监测数据经过归一化后的值，为对x′_i,j(t)进行一致化处理后的值；

所述利用LSTM-DBN网络模型对预处理后的所述多网元数据进行预测，获得下一时刻多网元数据的预测值包括：

将预处理后的所述多网元数据输入训练好的所述LSTM模型，获得LSTM模型预测的下一时刻的网元数据；以及

将所述LSTM模型预测的下一时刻的网元数据整合，输入训练好的所述DBN模型，获得下一时刻所述量子通信网络的网络状态和下一时刻的多网元数据。

2.根据权利要求1所述的方法，其中，所述LSTM-DBN网络模型通过以下方式训练获得:

获取量子通信网络多网元数据的训练集；以及

利用所述多网元数据训练集分别训练LSTM模型和DBN模型，获得训练好的所述LSTM-DBN网络模型。

3.根据权利要求1所述的方法，还包括，

对所述LSTM-DBN网络模型进行可靠性评估预测；以及

基于可靠性评估预测值优化所述LSTM-DBN网络模型。

4.一种对权利要求1-3中任一所述LSTM-DBN网络模型进行可靠性评估预测的方法，包括：

基于所述LSTM-DBN网络模型获得下一时刻量子通信网络中多网元数据的预测值；

基于所述多网元数据的预测值，获得所述LSTM-DBN网络模型的预测曲线；以及

基于所述预测曲线首次达到预设的标准阈值的周期数，对所述LSTM-DBN网络模型进行可靠性评估预测，获得可靠性评估预测值。

5.一种对权利要求4所述的可靠性评估预测方法进行评估的方法，包括：

使用评分函数评估所述可靠性评估预测方法，所述评分函数为：

其中，h_i＝RAP_i′-RAP_i，RAP_i′为对量子通信网络中第i个子系统的网元数据的标签的可靠性评估预测值，RAP_i为量子通信网络中第i个子系统的网元数据的标签的可靠性评估真实值，N为量子通信网络中子系统的个数，系数b＜a；Score为评分函数值。

6.根据权利要求5所述的方法，还包括：使用均方根误差评估所述可靠性评估预测值，所述均方根误差为：

其中，h_i＝RAP_i′-RAP_i，RAP_i′为对量子通信网络中第i个子系统的网元数据的标签的可靠性评估预测值，RAP_i为量子通信网络中第i个子系统的网元数据的标签的可靠性评估真实值，N为量子通信网络中子系统的个数，RMSE为均方根误差。