ПРОГНОЗИРОВАНИЕ ОТКАЗОВ В ВОЛОКОННО-ОПТИЧЕСКИХ СИСТЕМАХ ПЕРЕДАЧИ ИНФОРМАЦИИ С МЕХАНИЗМОМ САМОАНАЛИЗА
Keywords:
волоконно-оптические системы передачи информации, телекоммуникационные сети, надёжность, прогнозирование отказов, машинное обучениеAbstract
В статье представлен алгоритм работы метода прогнозирования отказов в волоконно-оптических системах передачи информации (ВОСПИ), основанный на применении алгоритмов машинного обучения с механизмом самоанализа. Проведён анализ существующих методов, выявлены их ограничения, связанные с недостаточной адаптивностью и зависимостью от качества исходных данных. Внедрён цикл автоматического контроля точности модели и последующей динамической оптимизации: при расхождении между прогнозированными и реальными данными система либо изменяет гиперпараметры текущего алгоритма, либо переходит к альтернативной модели. Результаты моделирования на реальных данных показывают повышение точности прогнозирования и устойчивости системы по сравнению с существующими решениями. Разработанный метод может быть использован для повышения надёжности телекоммуникационных систем и улучшения процессов технического обслуживания.
References
F. Dikbiyik, M. Tornatore, and B. Mukherjee, “Minimizing the Risk From Disaster Failures in Optical Backbone Networks,” J. Lightwave Technol. 32(18), 3175–3183 (2014).
H. Weigang, G. Lei, Y. Cunqian, and Z. Yue, “Risk-aware virtual network embedding in optical data center networks,” in Proceedings of OptoElectronics and Communications Conference (OECC 2016), pp. 1–3.
X. Li, S. Huang, S. Yin, B. Guo, Y. Zhao, J. Zhang, M. Zhang, and W. Gu, “Shared end-to-content backup path protection in k-node (edge) content connected elastic optical datacenter networks,” Opt. Express 24(9), 9446–9464 (2016)
J. Zhong, W. Guo and Z. Wang, "Study on network failure prediction based on alarm logs," 2016 3rd MEC International Conference on Big Data and Smart City (ICBDSC), Muscat, Oman, 2016, pp. 1-7, doi: 10.1109/ICBDSC.2016.7460337
Zhilong Wang, Min Zhang, Danshi Wang, Chuang Song, Min Liu, Jin Li, Liqi Lou, and Zhuo Liu, "Failure prediction using machine learning and time series in optical network," Opt. Express 25, 18553-18565 (2017)
T. Tanaka, T. Inui, S. Kawai, S. Kuwabara and H. Nishizawa, "Monitoring and diagnostic technologies using deep neural networks for predictive optical network maintenance [Invited]," in Journal of Optical Communications and Networking, vol. 13, no. 10, pp. E13-E22, October 2021, doi: 10.1364/JOCN.424428.
Khouloud Abdelli et al. “Reflective fiber fault detection and characterization using long short-term memory”. In: Journal of Optical Communications and Networking 13.10 (2021), E32–E41. doi: 10.1364/JOCN.423625
C. Zhang et al., "Potential failure cause identification for optical networks using deep learning with an attention mechanism," in Journal of Optical Communications and Networking, vol. 14, no. 2, pp. A122-A133, February 2022, doi: 10.1364/JOCN.438900.
https://worldwide.espacenet.com/patent/search?q=pn%3DCN117221142A
D. Davronbekov, N. Jurayeva. Telekommunikatsiya tarmog‘ida o‘zini tahlil qilish bilan nosozliklarni bashoratlash usuli. О‘zbekiston Respublikasi Adliya vazirligi. Ixtiro patentni ro‘yxatdan o‘tkazish raqami №IAP 7986. 18.03.2025
N.Juraeva. Prediction of failures in fiber-optic information transmission systems. International Journal of Science and Research Archive, 15(01), 2025. –P. 1383-1387
Alan Pak Tao Lau, F.N. Khan. Machine Learning for Future Fiber-Optic Communication Systems. 2022 Elsevier Inc. All rights reserved. P. 383
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Жураева Нафиса Иноятовна
This work is licensed under a Creative Commons Attribution 4.0 International License.
