【技术实现步骤摘要】
本申请涉及智能管理领域，且更为具体地，涉及一种基于光网络技术的园区网络管理系统及方法。
技术介绍
1、光网络技术是一种基于光纤传输的高速、高带宽的通信技术，可以提供可靠的传输性能和较低的延迟。
2、园区是多个产业、机构或组织集中在一起的一个集群，对网络的需求也是十分高的，需要满足园区内各种应用和服务的需求，保证在园区内网络正常，设备能流畅使用和运行。
3、但由于传统的光网络设管理需要人工逐一巡检设备、收集故障信息并进行处理查看光网络设备是否出现问题，这种方式效率较低。特别是对于大规模的园区光网络设备，人工处理的效率很难满足需求，可能导致问题处理时间过长，影响业务运行，无法及时发现潜在的问题，且无法提供实时的光网络设备监控和告警功能，可能会导致问题的进一步扩大和影响。
4、因此，期待一种优化的基于光网络技术的园区网络管理方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于光网络技术的园区网络管理系统及方法，其采用基于深度神经网络模型的人工智能技术，获取预定时间内多个预定时间点的各个节点的光网络设备的信号强度，排列为多个输入向量后分别通过双向长短期网络和上下文编码器捕捉序列数据中的长期依赖关系和每个节点的信号强度信息并构造空间拓扑矩阵，通过图神经网络将节点的局部特征与周围节点的信息相结合，以得到用于表示园区内出现问题的光网络的设备类型的分类结果。这样可以提高对园区光网络设备的故障诊断和分类准确性，帮助管理员及时发
2、根据本申请的一个方面，提供了一种基于光网络技术的园区网络管理系统，其包括：
3、光网络信号获取模块，用于获取预定时间内多个预定时间点的各个节点的光网络设备的信号强度；
4、第一尺度信号强度提取模块，用于将所述多个预定时间点的各个节点的光网络设备的信号强度按照时间维度排列为多个光网络设备信号强度输入向量后通过双向长短期记忆神经网络模型以得到第一尺度信号强度语义特征向量；
5、第二尺度信号强度提取模块，用于将所述多个预定时间点的各个节点的光网络设备的信号强度按照时间维度排列为多个光网络设备信号强度输入向量后通过基于转化器的上下文编码器以得到第二尺度信号强度语义特征向量；
6、二维排列模块，用于将所述第一尺度信号强度语义特征向量和所述第二尺度信号强度语义特征向量二维排列为光网络信号强度语义特征矩阵；
7、光网络空间拓扑构造模块，用于构造所述各个节点的光网络设备的空间拓扑矩阵，所述光网络设备空间拓扑矩阵中非对角线位置上各个位置的值为两个光网络设备之间的距离；
8、空间拓扑特征提取模块，用于将所述光网络设备空间拓扑矩阵通过具有块结构的卷积神经网络模型以得到光网络设备空间拓扑特征矩阵；
9、图神经融合模块，用于将所述光网络信号强度语义特征矩阵和所述光网络设备空间拓扑特征矩阵通过图神经网络模型以得到分类特征矩阵；
10、秩序参数优化模块，用于对所述分类特征矩阵进行基于特征工程的秩序性参数化以得到优化分类特征矩阵；
11、设备类型判断模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示园区内出现问题的光网络的设备类型。
12、在上述基于光网络技术的园区网络管理系统中，所述第二尺度信号强度提取模块，包括：信号强度特征提取单元，用于将所述多个光网络设备信号强度输入向量输入所述基于转化器的上下文编码器以得到多个光网络设备信号强度特征向量；以及，信号级联单元，用于将所述多个光网络设备信号强度特征向量进行级联以得到所述第二尺度信号强度语义特征向量。
13、在上述基于光网络技术的园区网络管理系统中，所述信号强度特征提取单元，用于:使用所述上下文编码器的基于转换器的bert模型对所述多个光网络设备信号强度输入向量中各个光网络设备信号强度输入向量进行基于时序全局的上下文语义编码以得到以所述多个光网络设备信号强度特征向量。
14、在上述基于光网络技术的园区网络管理系统中，所述空间拓扑特征提取模块，用于:使用所述具有块结构的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：基于卷积核对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到通道特征向量；将所述通道特征向量通过softmax函数以得到归一化通道特征向量；以所述归一化通道特征向量中各个位置的特征值作为权重对所述卷积特征图的沿通道维度的特征矩阵进行加权以得到通道注意力图；对所述通道注意力图分别进行沿通道维度的平均池化和最大值池化以得到平均特征矩阵和最大值特征矩阵；将所述平均特征矩阵和所述最大值特征矩阵进行级联和通道调整以得到通道特征矩阵；使用空间注意力模块的卷积层对所述通道特征矩阵进行卷积编码以得到卷积特征矩阵；将所述卷积特征矩阵通过softmax函数以得到空间注意力得分矩阵；将所述空间注意力得分矩阵与所述通道注意力图沿通道维度的各个特征矩阵进行按位置点乘以得到所述通道-空间注意力图；对所述通道-空间注意力图进行沿通道维度的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述具有块结构的卷积神经网络模型的第一层的输入为所述光网络设备空间拓扑矩阵，所述具有块结构的卷积神经网络模型的最后一层的输出为所述光网络设备空间拓扑特征矩阵。
15、在上述基于光网络技术的园区网络管理系统中，所述图神经融合模块，用于：所述图神经网络模型通过可学习的神经网络参数来对所述光网络信号强度语义特征矩阵和所述光网络设备空间拓扑特征矩阵进行处理以得到包含欧式距离拓扑特征和各个光网络信号强度语义语义理解特征信息的所述分类特征矩阵。
16、在上述基于光网络技术的园区网络管理系统中，所述设备类型判断模块，包括：展开单元，用于将所述优化分类特征矩阵按照行向量或者列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果单元，用于将所述编码分类特征向量输入所述分类器的softmax分类函数以得到所述分类结果。
17、根据本申请的另一方面，提供了一种基于光网络技术的园区网络管理方法，其包括：
18、获取预定时间内多个预定时间点的各个节点的光网络设备的信号强度；
19、将所述多个预定时间点的各个节点的光网络设备的信号强度按照时间维度排列为多个光网络设备信号强度输入向量后通过双向长短期记忆神经网络模型以得到第一尺度信号强度语义特征向量；
20、将所述多个预定时间点的各个节点的光网络设备的信号强度按照时间维度排列为多个光网络设备信号强度输入向量后通过基于转化器的上下文编码器以得到第二尺度信号强度语义特征向量；
21、将所述第一尺度信号强度语义特征向量和所述第二尺度信号强度本文档来自技高网...
【技术保护点】
1.一种基于光网络技术的园区网络管理系统，其特征在于，包括：
2.根据权利要求1所述的基于光网络技术的园区网络管理系统，其特征在于，所述第二尺度信号强度提取模块，包括：
3.根据权利要求2所述的基于光网络技术的园区网络管理系统，其特征在于，所述信号强度特征提取单元，用于:
4.根据权利要求3所述的基于光网络技术的园区网络管理系统，其特征在于，所述空间拓扑特征提取模块，用于:
5.根据权利要求4所述的基于光网络技术的园区网络管理系统，其特征在于，所述图神经融合模块，用于：
6.根据权利要求5所述的基于光网络技术的园区网络管理系统，其特征在于，所述秩序参数优化模块，包括：
7.根据权利要求6所述的基于光网络技术的园区网络管理系统，其特征在于，所述设备类型判断模块，包括：
8.一种基于光网络技术的园区网络管理方法，其特征在于，包括：
9.根据权利要求8所述的基于光网络技术的园区网络管理方法，其特征在于，将所述多个预定时间点的各个节点的光网络设备的信号强度按照时间维度排列为多个光网络设备信号强
10.根据权利要求9所述的基于光网络技术的园区网络管理方法，其特征在于，将所述多个光网络设备信号强度输入向量输入所述基于转化器的上下文编码器以得到多个光网络设备信号强度特征向量，包括：
...【技术特征摘要】
1.一种基于光网络技术的园区网络管理系统，其特征在于，包括：
2.根据权利要求1所述的基于光网络技术的园区网络管理系统，其特征在于，所述第二尺度信号强度提取模块，包括：
3.根据权利要求2所述的基于光网络技术的园区网络管理系统，其特征在于，所述信号强度特征提取单元，用于:
4.根据权利要求3所述的基于光网络技术的园区网络管理系统，其特征在于，所述空间拓扑特征提取模块，用于:
5.根据权利要求4所述的基于光网络技术的园区网络管理系统，其特征在于，所述图神经融合模块，用于：
6.根据权利要求5所述的基于光网络技术的园区网络管理系统，其特征在于，所述秩序参数优化模块，包括：
【专利技术属性】
技术研发人员：姚锋，姚佳星，朱国超，王彬，
申请(专利权)人：浙江博思光通科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。