[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

说明书

本发明的实施例提供了一种对量子通信网络中多网元数据进行预测的方法及系统、对该预测方法进行可靠性评估预测的方法、以及评估该可靠性评估预测方法的方法。其中，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，LSTM‑DBN网络模型包括LSTM模型和DBN模型，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。通过本发明中的方法，能够充分利用LSTM模型和DBN模型的特征，并且在保障网络模型的可靠性的同时提高预测精确度。

技术领域

本发明涉及量子通信网络技术领域，尤其涉及一种对量子通信网络中多网元数据进行预测的方法及系统。

背景技术

量子通信网络是一种采用量子通信系统的网络。如图1所示，量子通信网络由众多子系统组成，例如量子网络子系统、传输网络子系统、经典网络子系统、机房环境子系统以及安全网络子系统等。每个子系统又包含分离的多个节点，例如，量子网络子系统中包含OKD网元、OKM网元、S600网元等；传输网络子系统中包含传输设备、光缆线路等等。量子信息就存储在这些节点的检测数据(即网元数据)中。

由于量子通信网络中的网元数据具有时间依赖性、高维复杂性，且不同网元的数据特性不同，因此传统的机器学习方法不能很好适用于量子通信网络。例如人工神经网络ANN、SVM、PCA等，对数据的特征提取能力较为欠缺；RNN虽然理论上可以表示长时间步长状态之间的依赖关系，但是由于梯度爆炸或梯度弥散现象的存在，导致RNN在实际应用中“记忆能力”受限，往往只能学习到短时间步长的依赖关系；HMM仅限于离散的隐藏状态，并且与RNN相似也有长期依赖的问题。

因此，亟需一种更加稳定、可靠的对量子通信网络中多网元数据进行预测的方法和系统。

发明内容

因此，本发明实施例的目的在于克服上述相关技术的缺陷，提供一种对量子通信网络中多网元数据进行预测的方法及系统，能够在保障可靠性的前提下提高预测的精度。

上述目的是通过以下技术方案实现的：

根据本发明实施例的第一方面，提供了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。

可选地，其中，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。

可选地，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。

可选地，其中，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。

可选地，上述方法还包括：对所述LSTM-DBN网络模型进行可靠性评估预测；以及基于所述可靠性评估预测值优化所述LSTM-DBN网络模型。