一种基于深度学习的通信通道规划方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的通信通道规划方法及装置，该方法包括获取通道起始站点及通道结束站点，并根据预设的通信网络编排规则获取通信通道规划参数，将所述通道起始站点、通道结束站点及所述通信通道规划参数输入到预设的基于深度强化学习算法的通道预测模型中，输出最优通信通道，本发明专利技术提高了承载电视电话会议业务的电力通信通道规划的效率。视电话会议业务的电力通信通道规划的效率。视电话会议业务的电力通信通道规划的效率。

【技术实现步骤摘要】
一种基于深度学习的通信通道规划方法及装置


[0001]本专利技术涉及电力通信通道规划
，尤其涉及一种基于深度学习的通信通道规划方法及装置。

技术介绍

[0002]传统能源行业通信的调度规划依赖于人工分析、规划、填报的方式进行路由线路的规划及调整。当网络规模过大时，由于网络复杂度大，人工方式开展路由路线的规划耗时过长；另外，路由节点超过数十个后，通过人工对路由路径进行穷举常出现疏漏，无法选中最优路径。

技术实现思路

[0003]本专利技术公开了一种基于深度学习的通信通道规划方法及装置，提高了承载电话电视会议业务的通信通道规划的效率。
[0004]为了实现上述目的，本专利技术公开了一种基于深度学习的通信通道规划方法，包括：
[0005]获取通道起始站点及通道结束站点，并根据预设的通信网络编排规则获取通信通道规划参数；
[0006]将所述通道起始站点、通道结束站点及所述通信通道规划参数输入到预设的基于深度强化学习算法的通道预测模型中，输出最优通信通道。
[0007]本专利技术公开了一种基于深度学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的通信通道规划方法，其特征在于，包括：获取通道起始站点及通道结束站点，并根据预设的通信网络编排规则获取通信通道规划参数；将所述通道起始站点、通道结束站点及所述通信通道规划参数输入到预设的基于深度强化学习算法的通道预测模型中，输出最优通信通道。2.如权利要求1所述的一种基于深度学习的通信通道规划方法，其特征在于，所述预设的通信网络编排规则包括构建若干条独立的业务通道，并在每一条业务通道中配置SNCP，且主备路由间不可物理共模。3.如权利要求1所述的一种基于深度学习的通信通道规划方法，其特征在于，所述通信通道规划参数包括通道数量限制、通信端口类型、通道带宽、通道网络类型、传输段最大电路数量、最大设备数及是否配置SNCP。4.如权利要求1所述的一种基于深度学习的通信通道规划方法，其特征在于，所述将所述通道起始站点、通道结束站点及所述通信通道规划参数输入到预设的基于深度强化学习算法的通道预测模型中，输出最优通信通道，包括：根据所述通道起始站点、通道结束站点及所述通信通道规划参数，通过预设在所述通道预测模型中的强化学习算法生成若干个初始通信通道，并获取每一个初始通信通道中包含的若干个通道规划节点；通过预设在所述强化学习算法中的动作价值计算函数对所述若干个通道规划节点中每一个通道规划节点进行动作价值计算，获得所述每一个通道规划节点对应的动作价值；根据所每一个通道规划节点对应的动作价值，获得所述每一个通道规划节点所在的初始通信通道对应的动作价值，并比较每一个初始通信通道的动作价值，输出动作价值最大的初始通信通道作为所述最优通信通道。5.如权利要求4所述的一种基于深度学习的通信通道规划方法，其特征在于，所述输出最优通信通道时，还包括：根据预设在所述通道预测模型中的深度神经网络对所述每一个通道规划节点对应的动作价值进行迭代优化。6.如权利要求4所述的一种基于深度学习的通信通道规划方法，其特征在于，所述通过预设在所述强化学习算法中的动作价值计算函数对所述若干个通道规划节点中每一个通道规划节点进行动作价值，包括：所述预设的动作价值计算函数为：Q
c
(s
t
，a
t
|w)＝E
c
[r(s
t
，a
...

【专利技术属性】
技术研发人员：李溢杰，张正峰，刘新展，邓晓智，李星南，李波，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：