本申請涉及光通信，尤其涉及一種光網(wǎng)絡(luò)單元(optical?network?unit，onu)的質(zhì)差預(yù)測方法、裝置和電子設(shè)備。

背景技術(shù)：

1、隨著通訊技術(shù)的日漸完善和網(wǎng)絡(luò)技術(shù)的高速發(fā)展，家庭網(wǎng)絡(luò)已經(jīng)遍布大多數(shù)家庭。面對龐大的家庭網(wǎng)絡(luò)用戶群體，保證優(yōu)質(zhì)的上網(wǎng)質(zhì)量就顯得尤為重要。

2、無源光網(wǎng)絡(luò)(passive?optical?network，pon)接入網(wǎng)的故障常導(dǎo)致大量onu光信號丟失(losi)告警、onu誤碼丟包問題，影響用戶的寬帶業(yè)務(wù)體驗。

3、現(xiàn)有的onu故障識別技術(shù)旨在故障發(fā)生之后，對故障進行識別以提高人工診斷故障的效率，無法實現(xiàn)onu的質(zhì)差預(yù)測，onu的維護成本高且效率較低。

技術(shù)實現(xiàn)思路

1、本申請實施例的目的是提供一種onu的質(zhì)差預(yù)測方法、裝置和電子設(shè)備，能夠解決無法實現(xiàn)onu的質(zhì)差預(yù)測的問題。

2、為解決上述技術(shù)問題，本申請實施例是通過以下各方面實現(xiàn)的。

3、第一方面，本申請實施例提供了一種onu的質(zhì)差預(yù)測方法，包括：采集特征數(shù)據(jù)，所述特征數(shù)據(jù)包括onu的性能數(shù)據(jù)和告警數(shù)據(jù)；對所述特征數(shù)據(jù)進行預(yù)處理，形成特征矩陣；其中，所述特征矩陣中所述性能數(shù)據(jù)的向量長度與所述告警數(shù)據(jù)的向量長度相同；將所述特征矩陣輸入深度學(xué)習(xí)模型，得到所述onu的質(zhì)差概率；其中，所述深度學(xué)習(xí)模型用于預(yù)測所述onu的質(zhì)差概率。

4、第二方面，本申請實施例提供了一種onu的質(zhì)差預(yù)測裝置，包括：采集模塊，用于采集特征數(shù)據(jù)，所述特征數(shù)據(jù)包括onu的性能數(shù)據(jù)和告警數(shù)據(jù)；處理模塊，用于對所述特征數(shù)據(jù)進行預(yù)處理，形成特征矩陣；其中，所述特征矩陣中所述性能數(shù)據(jù)的向量長度與所述告警數(shù)據(jù)的向量長度相同；預(yù)測模塊，用于將所述特征矩陣輸入深度學(xué)習(xí)模型，得到所述onu的質(zhì)差概率；其中，所述深度學(xué)習(xí)模型用于預(yù)測所述onu的質(zhì)差概率。

5、第三方面，本申請實施例提供了一種電子設(shè)備，包括：存儲器、處理器和存儲在所述存儲器上并可在所述處理器上運行的計算機可執(zhí)行指令，所述計算機可執(zhí)行指令被所述處理器執(zhí)行時實現(xiàn)執(zhí)行第一方面所述的方法的步驟。

6、第四方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)用于存儲計算機可執(zhí)行指令，所述計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)第一方面所述的方法的步驟。

7、本申請實施例，對采集的onu性能數(shù)據(jù)和告警數(shù)據(jù)進行預(yù)處理，形成特征矩陣，然后通過深度學(xué)習(xí)模型預(yù)測所述onu的質(zhì)差概率，能夠以較高的準確率識別質(zhì)差onu，從而主動運維完成整改，提升全網(wǎng)用戶上網(wǎng)體驗，onu的維護成本低且效率高；同時，特征矩陣中性能數(shù)據(jù)的向量長度與告警數(shù)據(jù)的向量長度相同，使得特征矩陣更符合深度學(xué)習(xí)模型的輸入，有利于提升深度學(xué)習(xí)模型預(yù)測出的onu的質(zhì)差概率的準確度。

技術(shù)特征：

1.一種光網(wǎng)絡(luò)單元onu的質(zhì)差預(yù)測方法，包括：

2.根據(jù)權(quán)利要求1所述的方法，其中，所述采集特征數(shù)據(jù)包括：采集x個周期的所述性能數(shù)據(jù)，其中，所述性能數(shù)據(jù)每個周期采集t次；采集x個周期的所述告警數(shù)據(jù)，x，t是正整數(shù)；

3.根據(jù)權(quán)利要求2所述的方法，其中，所述告警數(shù)據(jù)的每個向量包括如下至少之一：所述告警數(shù)據(jù)的出現(xiàn)次數(shù)；告警持續(xù)時間。

4.根據(jù)權(quán)利要求1至3任一項所述的方法，其中，所述將所述特征矩陣輸入深度學(xué)習(xí)模型，得到所述onu的質(zhì)差概率包括：

5.根據(jù)權(quán)利要求1所述的方法，其中，所述采集特征數(shù)據(jù)之前，所述方法還包括：基于如下?lián)p失函數(shù)訓(xùn)練得到所述深度學(xué)習(xí)模型：

6.根據(jù)權(quán)利要求5所述的方法，其中，所述基于損失函數(shù)訓(xùn)練得到所述深度學(xué)習(xí)模型包括：

7.根據(jù)權(quán)利要求1所述的方法，其中，所述將所述特征矩陣輸入深度學(xué)習(xí)模型，得到所述onu的質(zhì)差概率之后，所述方法還包括：

8.根據(jù)權(quán)利要求1所述的方法，其中，

9.一種onu的質(zhì)差預(yù)測裝置，包括：

10.一種電子設(shè)備，包括：

11.一種計算機可讀介質(zhì)，所述計算機可讀介質(zhì)存儲一個或多個程序，所述一個或多個程序當(dāng)被包括多個應(yīng)用程序的電子設(shè)備執(zhí)行時，使得所述電子設(shè)備執(zhí)行權(quán)利要求1-8任一項所述的方法的步驟。

技術(shù)總結(jié)
本申請實施例提供了一種ONU的質(zhì)差預(yù)測方法、裝置和電子設(shè)備，該方法包括：采集特征數(shù)據(jù)，所述特征數(shù)據(jù)包括ONU的性能數(shù)據(jù)和告警數(shù)據(jù)；對所述特征數(shù)據(jù)進行預(yù)處理，形成特征矩陣；其中，所述特征矩陣中所述性能數(shù)據(jù)的向量長度與所述告警數(shù)據(jù)的向量長度相同；將所述特征矩陣輸入深度學(xué)習(xí)模型，得到所述ONU的質(zhì)差概率；其中，所述深度學(xué)習(xí)模型用于預(yù)測所述ONU的質(zhì)差概率。

技術(shù)研發(fā)人員：陳婧雪,高勇,陸錢春,丁柏
受保護的技術(shù)使用者：中興通訊股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6