CN117949173A - 一种光缆质量监测方法、装置、电子设备及可读存储介质 - Google Patents
一种光缆质量监测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN117949173A CN117949173A CN202410346140.8A CN202410346140A CN117949173A CN 117949173 A CN117949173 A CN 117949173A CN 202410346140 A CN202410346140 A CN 202410346140A CN 117949173 A CN117949173 A CN 117949173A
- Authority
- CN
- China
- Prior art keywords
- optical cable
- candidate
- moving average
- model
- optical fiber
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 288
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 239000013307 optical fiber Substances 0.000 claims abstract description 239
- 230000001932 seasonal effect Effects 0.000 claims abstract description 219
- 230000036541 health Effects 0.000 claims abstract description 189
- 230000000737 periodic effect Effects 0.000 claims abstract description 61
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000012806 monitoring device Methods 0.000 claims abstract description 7
- 239000000835 fiber Substances 0.000 claims description 147
- 238000011156 evaluation Methods 0.000 claims description 104
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000728173 Sarima Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011202 physical detection method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/30—Testing of optical devices, constituted by fibre optics or optical waveguides
- G01M11/31—Testing of optical devices, constituted by fibre optics or optical waveguides with a light emitter and a light receiver being disposed at the same side of a fibre or waveguide end-face, e.g. reflectometers
- G01M11/3109—Reflectometers detecting the back-scattered light in the time-domain, e.g. OTDR
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/30—Testing of optical devices, constituted by fibre optics or optical waveguides
- G01M11/31—Testing of optical devices, constituted by fibre optics or optical waveguides with a light emitter and a light receiver being disposed at the same side of a fibre or waveguide end-face, e.g. reflectometers
- G01M11/3109—Reflectometers detecting the back-scattered light in the time-domain, e.g. OTDR
- G01M11/3145—Details of the optoelectronics or data analysis
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Optical Communication System (AREA)
Abstract
本申请提供了一种光缆质量监测方法、装置、电子设备及可读存储介质,其中,该方法包括:针对待监测光缆中的每根光纤,获取各目标时刻该光纤的第一光纤损耗参数;目标时刻包括当前时刻和第一历史时间段中的第一历史时刻;针对每一目标时刻,根据每根光纤在该目标时刻的第一光纤损耗参数,计算第一光缆质量健康度;将各目标时刻的第一光缆质量健康度输入到季节性差分自回归滑动平均模型中,确定第一历史时间段内第一光缆质量健康度的第一周期性变化规律;使用第一周期性变化规律对当前时刻的第一光缆质量健康度进行修正,得到目标光缆质量健康度。该方式有利于提高光缆质量健康度监测的准确性。
Description
技术领域
本申请涉及光纤技术领域,尤其是涉及一种光缆质量监测方法、装置、电子设备及可读存储介质。
背景技术
随着信息技术的发展,光缆中的光纤(光导纤维)作为数据传输的主要媒介,其应用范围日益广泛。光纤的普及和使用年限的延长使得对其健康状况的监测变得至关重要。确保光纤的良好运行状态,不仅是维持数据传输效率的关键,也是防止通信故障和数据丢失的必要措施。因此,及时发现并替换那些不再满足质量标准的光纤成为了维护通信网络畅通无阻的重要环节。
光缆(optical fiber cable)主要是由多条光纤和保护套管构成。现有技术中,评估光缆的健康状况主要依赖于物理检测和基于经验的判断。其中,通过物理检测方法,如使用光时域反射仪(OTDR),可以检测光缆中每条光纤的总链路损耗,然后,技术人员基于自身的经验以及检测到的光缆中每条光纤的总链路损耗,判断光缆的质量健康度。
其中,由于技术人员的主观性和个人差异,使得判断出的光缆的质量健康度缺乏可靠性和一致性,导致监测结果不够准确。并且,使用光时域反射仪(OTDR)监测到的光纤的总链路损耗确定出的光缆的质量健康度容易受到外界环境因素的影响,例如当外界温度较为寒冷时,通过光纤的总链路损耗确定出的光缆的质量健康度可能较低,而造成光缆的质量健康度较低的因素可能不一定是由光缆本身质量造成的,还可能是由外界环境因素的变化(例如低温)造成的。可见,通过现有技术的方式确定出的光缆的质量健康度是不够准确的。
发明内容
有鉴于此,本申请的目的在于提供一种光缆质量监测方法、装置、电子设备及可读存储介质,以提高光缆质量健康度监测的准确性。
第一方面,本申请实施例提供了一种光缆质量监测方法,包括:
针对待监测光缆中的每根光纤,获取光时域反射仪在每个目标时刻分别检测到的该光纤的第一光纤损耗参数;所述目标时刻包括当前时刻和第一历史时间段中的每个第一历史时刻;
针对每一所述目标时刻,根据所述待监测光缆中每根光纤在该目标时刻的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度;
将各目标时刻的所述第一光缆质量健康度输入到季节性差分自回归滑动平均模型中,通过所述季节性差分自回归滑动平均模型确定所述待监测光缆在所述第一历史时间段内的第一光缆质量健康度的第一周期性变化规律;
以排除周期性外界因素对所述当前时刻的第一光缆质量健康度的影响为目的,使用所述第一周期性变化规律对所述当前时刻的第一光缆质量健康度进行修正,得到用于表征所述待监测光缆本身的质量健康状况的目标光缆质量健康度。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,所述第一光纤损耗参数包括第一总链路损耗、第一光纤长度和第一衰耗点光纤衰耗值;所述根据所述待监测光缆中每根光纤的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度,包括:
针对所述待监测光缆中的每根光纤,计算该光纤的第一总链路损耗与第一光纤长度之间的比值,当该比值小于等于预设的优质光纤链路损耗阈值时,将该光纤确定为优质光纤;以及当该比值大于所述优质光纤链路损耗阈值且小于等于预设的合格光纤链路损耗阈值时,将该光纤确定为合格光纤;
根据预设的优质光纤权重、优质光纤的数量、优质光纤的第一总链路损耗、优质光纤的第一光纤长度、所述优质光纤链路损耗阈值,计算所述优质光纤的优质光纤得分;
根据预设的合格光纤权重、合格光纤的数量、合格光纤的第一总链路损耗、合格光纤的第一光纤长度、所述合格光纤链路损耗阈值,计算所述合格光纤的合格光纤得分;
针对所述待监测光缆中的每根光纤上的每个衰耗点,当该衰耗点处的第一衰耗点光纤衰耗值大于等于预设的大衰耗点光纤衰耗阈值时,将该衰耗点确定为大衰耗点;以及当该衰耗点处的第一衰耗点光纤衰耗值小于所述大衰耗点光纤衰耗阈值,且大于等于预设的中衰耗点光纤衰耗阈值时,将该衰耗点确定为中衰耗点;
根据预设的大衰耗点权重、大衰耗点的数量、大衰耗点的第一衰耗点光纤衰耗值、所述大衰耗点光纤衰耗阈值,计算所述大衰耗点的大衰耗点得分:
根据预设的中衰耗点权重、中衰耗点的数量、中衰耗点的第一衰耗点光纤衰耗值、所述中衰耗点光纤衰耗阈值,计算所述中衰耗点的中衰耗点得分;
根据所述优质光纤得分、所述合格光纤得分、所述大衰耗点得分和所述中衰耗点得分,计算所述待监测光缆在该目标时刻的第一光缆质量健康度。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述季节性差分自回归滑动平均模型中包含有第一数量个用于影响季节性差分自回归滑动平均模型性能的目标模型参数;所述目标模型参数的取值是通过以下方式确定的:
针对所述待监测光缆中的每根光纤,获取所述光时域反射仪在第二历史时间段中的每个第二历史时刻检测到的该光纤的第二光纤损耗参数;
针对每一所述第二历史时刻,根据所述待监测光缆中每根光纤在该第二历史时刻的所述第二光纤损耗参数,计算所述待监测光缆在该第二历史时刻的第二光缆质量健康度;
从所述目标模型参数的取值范围中,为所述目标模型参数确定出多组候选取值;
针对每一组所述候选取值,将该组候选取值代入到初始季节性差分自回归滑动平均模型中的所述目标模型参数中,得到该候选取值对应的候选季节性差分自回归滑动平均模型;
针对每一所述候选季节性差分自回归滑动平均模型,将各第二历史时刻的所述第二光缆质量健康度输入到该候选季节性差分自回归滑动平均模型中,通过该候选季节性差分自回归滑动平均模型确定所述待监测光缆在第一子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第二周期性变化规律;其中,所述第一子历史时间段为所述第二历史时间段中的局部时间段;所述第一子历史时间段有第二数量个,所有所述第一子历史时间段中包含的第二历史时刻的数量相同;
针对每个所述第一子历史时间段对应的所述第二周期性变化规律,使用该第二周期性变化规律预测该第一子历史时间段的下一时刻的第一预测光缆质量健康度;
根据每个所述第一子历史时间段的下一时刻的所述第一预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;
计算该候选季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该候选季节性差分自回归滑动平均模型计算速度的第二候选模型评价参数;
将该候选季节性差分自回归滑动平均模型的所述第一候选模型评价参数和所述第二候选模型评价参数输入到预设的模型评价函数中,输出用于表征该候选季节性差分自回归滑动平均模型性能的候选模型评价指标值;
根据每个所述候选季节性差分自回归滑动平均模型各自的所述候选模型评价指标值,从多个所述候选季节性差分自回归滑动平均模型中,选取出所述候选模型评价指标值最优的所述候选季节性差分自回归滑动平均模型作为最终的所述季节性差分自回归滑动平均模型,以及将该候选季节性差分自回归滑动平均模型对应的候选取值作为所述目标模型参数最终的取值。
结合第一方面的第二种可能的实施方式,本申请实施例提供了第一方面的第三种可能的实施方式,其中,所述从所述目标模型参数的取值范围中,为所述目标模型参数确定出多组候选取值,包括:
使用贝叶斯参数搜索,从所述目标模型参数的取值范围中,为所述目标模型参数搜索出多组候选取值。
结合第一方面的第二种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其中,所述根据每个所述第一子历史时间段的下一时刻的所述第一预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数,包括:
通过以下公式计算用于表征候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数:
其中,j表征第j个候选季节性差分自回归滑动平均模型;RMSEj用于表征第j个候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;M为所述第二数量;ym表征第m个第一子历史时间段的下一时刻的第二光缆质量健康度;表征第m个第一子历史时间段的下一时刻的第一预测光缆质量健康度。
结合第一方面的第二种可能的实施方式,本申请实施例提供了第一方面的第五种可能的实施方式,其中,所述模型评价函数为:
其中,Fj表示第j个候选季节性差分自回归滑动平均模型的候选模型评价指标值;RMSEj表示第j个候选季节性差分自回归滑动平均模型的第一候选模型评价参数;AICj表示第j个候选季节性差分自回归滑动平均模型的第二候选模型评价参数;α表示第一权重系数;β表示第二权重系数。
结合第一方面的第五种可能的实施方式,本申请实施例提供了第一方面的第六种可能的实施方式,其中,所述第一权重系数和所述第二权重系数是通过以下方式确定的:
从所述目标模型参数的取值范围中,随机选取出所述目标模型参数的第三数量组初始化取值;其中,所述初始化取值与所述候选取值不相同;
针对每一组所述初始化取值,将该初始化取值代入到初始季节性差分自回归滑动平均模型中的所述目标模型参数中,得到该初始化取值对应的第一季节性差分自回归滑动平均模型;
针对每一所述第一季节性差分自回归滑动平均模型,将各第二历史时刻的所述第二光缆质量健康度输入到该第一季节性差分自回归滑动平均模型中,通过该第一季节性差分自回归滑动平均模型确定所述待监测光缆在第二子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第三周期性变化规律;其中,所述第二子历史时间段为所述第二历史时间段中的局部时间段;所述第二子历史时间段有第四数量个;所有所述第二子历史时间段中包含的第二历史时刻的数量相同;
针对每个所述第二子历史时间段对应的所述第三周期性变化规律,使用该第三周期性变化规律预测该第二子历史时间段的下一时刻的第二预测光缆质量健康度;
根据每个所述第二子历史时间段的下一时刻的所述第二预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该第一季节性差分自回归滑动平均模型准确度的第一初始化模型评价参数;
计算所有所述第一季节性差分自回归滑动平均模型的所述第一初始化模型评价参数的均值的倒数,得到所述第一权重系数;
针对每个所述第一季节性差分自回归滑动平均模型,计算该第一季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数;
计算所有所述第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数的均值的倒数,得到所述第二权重系数。
第二方面,本申请实施例还提供一种光缆质量监测装置,包括:
第一获取模块,用于针对待监测光缆中的每根光纤,获取光时域反射仪在每个目标时刻分别检测到的该光纤的第一光纤损耗参数;所述目标时刻包括当前时刻和第一历史时间段中的每个第一历史时刻;
第一计算模块,用于针对每一所述目标时刻,根据所述待监测光缆中每根光纤在该目标时刻的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度;
第一输入模块,用于将各目标时刻的所述第一光缆质量健康度输入到季节性差分自回归滑动平均模型中,通过所述季节性差分自回归滑动平均模型确定所述待监测光缆在所述第一历史时间段内的第一光缆质量健康度的第一周期性变化规律;
修正模块,用于以排除周期性外界因素对所述当前时刻的第一光缆质量健康度的影响为目的,使用所述第一周期性变化规律对所述当前时刻的第一光缆质量健康度进行修正,得到用于表征所述待监测光缆本身的质量健康状况的目标光缆质量健康度。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,其中,所述第一光纤损耗参数包括第一总链路损耗、第一光纤长度和第一衰耗点光纤衰耗值;第一计算模块在用于根据所述待监测光缆中每根光纤在该目标时刻的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度时,具体用于:
针对所述待监测光缆中的每根光纤,计算该光纤的第一总链路损耗与第一光纤长度之间的比值,当该比值小于等于预设的优质光纤链路损耗阈值时,将该光纤确定为优质光纤;以及当该比值大于所述优质光纤链路损耗阈值且小于等于预设的合格光纤链路损耗阈值时,将该光纤确定为合格光纤;
根据预设的优质光纤权重、优质光纤的数量、优质光纤的第一总链路损耗、优质光纤的第一光纤长度、所述优质光纤链路损耗阈值,计算所述优质光纤的优质光纤得分;
根据预设的合格光纤权重、合格光纤的数量、合格光纤的第一总链路损耗、合格光纤的第一光纤长度、所述合格光纤链路损耗阈值,计算所述合格光纤的合格光纤得分;
针对所述待监测光缆中的每根光纤上的每个衰耗点,当该衰耗点处的第一衰耗点光纤衰耗值大于等于预设的大衰耗点光纤衰耗阈值时,将该衰耗点确定为大衰耗点;以及当该衰耗点处的第一衰耗点光纤衰耗值小于所述大衰耗点光纤衰耗阈值,且大于等于预设的中衰耗点光纤衰耗阈值时,将该衰耗点确定为中衰耗点;
根据预设的大衰耗点权重、大衰耗点的数量、大衰耗点的第一衰耗点光纤衰耗值、所述大衰耗点光纤衰耗阈值,计算所述大衰耗点的大衰耗点得分:
根据预设的中衰耗点权重、中衰耗点的数量、中衰耗点的第一衰耗点光纤衰耗值、所述中衰耗点光纤衰耗阈值,计算所述中衰耗点的中衰耗点得分;
根据所述优质光纤得分、所述合格光纤得分、所述大衰耗点得分和所述中衰耗点得分,计算所述待监测光缆在该目标时刻的第一光缆质量健康度。
结合第二方面,本申请实施例提供了第二方面的第二种可能的实施方式,其中,所述季节性差分自回归滑动平均模型中包含有第一数量个用于影响季节性差分自回归滑动平均模型性能的目标模型参数;所述装置还包括第一确定模块,所述第一确定模块用于通过以下方式确定所述目标模型参数的取值:
针对所述待监测光缆中的每根光纤,获取所述光时域反射仪在第二历史时间段中的每个第二历史时刻检测到的该光纤的第二光纤损耗参数;
针对每一所述第二历史时刻,根据所述待监测光缆中每根光纤在该第二历史时刻的所述第二光纤损耗参数,计算所述待监测光缆在该第二历史时刻的第二光缆质量健康度;
从所述目标模型参数的取值范围中,为所述目标模型参数确定出多组候选取值;
针对每一组所述候选取值,将该组候选取值代入到初始季节性差分自回归滑动平均模型中的所述目标模型参数中,得到该候选取值对应的候选季节性差分自回归滑动平均模型;
针对每一所述候选季节性差分自回归滑动平均模型,将各第二历史时刻的所述第二光缆质量健康度输入到该候选季节性差分自回归滑动平均模型中,通过该候选季节性差分自回归滑动平均模型确定所述待监测光缆在第一子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第二周期性变化规律;其中,所述第一子历史时间段为所述第二历史时间段中的局部时间段;所述第一子历史时间段有第二数量个,所有所述第一子历史时间段中包含的第二历史时刻的数量相同;
针对每个所述第一子历史时间段对应的所述第二周期性变化规律,使用该第二周期性变化规律预测该第一子历史时间段的下一时刻的第一预测光缆质量健康度;
根据每个所述第一子历史时间段的下一时刻的所述第一预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;
计算该候选季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该候选季节性差分自回归滑动平均模型计算速度的第二候选模型评价参数;
将该候选季节性差分自回归滑动平均模型的所述第一候选模型评价参数和所述第二候选模型评价参数输入到预设的模型评价函数中,输出用于表征该候选季节性差分自回归滑动平均模型性能的候选模型评价指标值;
根据每个所述候选季节性差分自回归滑动平均模型各自的所述候选模型评价指标值,从多个所述候选季节性差分自回归滑动平均模型中,选取出所述候选模型评价指标值最优的所述候选季节性差分自回归滑动平均模型作为最终的所述季节性差分自回归滑动平均模型,以及将该候选季节性差分自回归滑动平均模型对应的候选取值作为所述目标模型参数最终的取值。
结合第二方面的第二种可能的实施方式,本申请实施例提供了第二方面的第三种可能的实施方式,其中,所述第一确定模块在用于从所述目标模型参数的取值范围中,为所述目标模型参数确定出多组候选取值时,具体用于:
使用贝叶斯参数搜索,从所述目标模型参数的取值范围中,为所述目标模型参数搜索出多组候选取值。
结合第二方面的第二种可能的实施方式,本申请实施例提供了第二方面的第四种可能的实施方式,其中,所述第一确定模块在用于根据每个所述第一子历史时间段的下一时刻的所述第一预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数时,具体用于:
通过以下公式计算用于表征候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数:
其中,j表征第j个候选季节性差分自回归滑动平均模型;RMSEj用于表征第j个候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;M为所述第二数量;ym表征第m个第一子历史时间段的下一时刻的第二光缆质量健康度;表征第m个第一子历史时间段的下一时刻的第一预测光缆质量健康度。
结合第二方面的第二种可能的实施方式,本申请实施例提供了第二方面的第五种可能的实施方式,其中,所述模型评价函数为:
其中,Fj表示第j个候选季节性差分自回归滑动平均模型的候选模型评价指标值;RMSEj表示第j个候选季节性差分自回归滑动平均模型的第一候选模型评价参数;AICj表示第j个候选季节性差分自回归滑动平均模型的第二候选模型评价参数;α表示第一权重系数;β表示第二权重系数。
结合第二方面的第五种可能的实施方式,本申请实施例提供了第二方面的第六种可能的实施方式,其中,所述装置还包括第二确定模块,所述第二确定模块用于通过以下方式确定所述第一权重系数和所述第二权重系数:
从所述目标模型参数的取值范围中,随机选取出所述目标模型参数的第三数量组初始化取值;其中,所述初始化取值与所述候选取值不相同;
针对每一组所述初始化取值,将该初始化取值代入到初始季节性差分自回归滑动平均模型中的所述目标模型参数中,得到该初始化取值对应的第一季节性差分自回归滑动平均模型;
针对每一所述第一季节性差分自回归滑动平均模型,将各第二历史时刻的所述第二光缆质量健康度输入到该第一季节性差分自回归滑动平均模型中,通过该第一季节性差分自回归滑动平均模型确定所述待监测光缆在第二子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第三周期性变化规律;其中,所述第二子历史时间段为所述第二历史时间段中的局部时间段;所述第二子历史时间段有第四数量个;所有所述第二子历史时间段中包含的第二历史时刻的数量相同;
针对每个所述第二子历史时间段对应的所述第三周期性变化规律,使用该第三周期性变化规律预测该第二子历史时间段的下一时刻的第二预测光缆质量健康度;
根据每个所述第二子历史时间段的下一时刻的所述第二预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该第一季节性差分自回归滑动平均模型准确度的第一初始化模型评价参数;
计算所有所述第一季节性差分自回归滑动平均模型的所述第一初始化模型评价参数的均值的倒数,得到所述第一权重系数;
针对每个所述第一季节性差分自回归滑动平均模型,计算该第一季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数;
计算所有所述第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数的均值的倒数,得到所述第二权重系数。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面中任一种可能的实施方式中的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面中任一种可能的实施方式中的步骤。
本申请实施例提供的一种光缆质量监测方法、装置、电子设备及可读存储介质,其中,在获取到待监测光缆中每个光纤在各目标时刻的第一光纤损耗参数后,机器自动根据第一光纤损耗参数,计算待监测光缆在各目标时刻的第一光缆质量健康度;该方式相比于现有技术中基于技术人员自身的经验以及检测到的光缆中每条光纤的总链路损耗,判断光缆的质量健康度的方式,本实施例的监测方式不会受到技术人员的主观判断的影响,有利于提高监测结果的准确性。同时,考虑到使用待监测光缆中每根光纤在各目标时刻的第一光纤损耗参数,计算出的待监测光缆在各目标时刻的第一光缆质量健康度容易受到外界环境因素的影响的问题,基于此,本实施例中,通过季节性差分自回归滑动平均模型确定待监测光缆在第一历史时间段内的第一光缆质量健康度的第一周期性变化规律;然后,以排除周期性外界因素对当前时刻的第一光缆质量健康度的影响为目的,使用第一周期性变化规律对当前时刻的第一光缆质量健康度进行修正,得到用于表征待监测光缆本身的质量健康状况的目标光缆质量健康度。上述方式中,通过排除周期性外界因素对第一光缆质量健康度造成的影响,使得得到的目标光缆质量健康度仅由待监测光缆本身的质量健康状况造成,这样有利于提高光缆质量健康度监测的准确性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种光缆质量监测方法的流程图;
图2示出了本申请实施例所提供的另一种光缆质量监测方法的流程图;
图3示出了本申请实施例所提供的一种光缆质量监测装置的结构示意图;
图4示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
考虑到通过现有技术的光缆监测方式确定出的光缆的质量健康度不够准确的问题。基于此,本申请实施例提供了一种光缆质量监测方法、装置、电子设备及可读存储介质,以提高光缆质量健康度监测的准确性,下面通过实施例进行描述。
实施例一:
为便于对本实施例进行理解,首先对本申请实施例所公开的一种光缆质量监测方法进行详细介绍。图1示出了本申请实施例所提供的一种光缆质量监测方法的流程图,如图1所示,包括以下步骤S101- S104:
S101:针对待监测光缆中的每根光纤,获取光时域反射仪在每个目标时刻分别检测到的该光纤的第一光纤损耗参数;目标时刻包括当前时刻和第一历史时间段中的每个第一历史时刻。
该实施例中,待监测光缆指的是需要进行质量健康状况监测的光缆,待监测光缆中包含有多根光纤,光纤用于进行数据传输。为了确保光纤的良好运行,防止通信故障和数据丢失等问题,需要对光缆的质量进行监测。当监测到光缆的质量较差时,可以及时对该光缆进行维修替换。
光时域反射仪(OTDR)可以检测待监测光缆中每根光纤在各个目标时刻的第一光纤损耗参数。其中,第一光纤损耗参数包括第一总链路损耗、第一光纤长度和第一衰耗点光纤衰耗值。
第一总链路损耗指的是光信号在光纤中传输的过程中,造成的光功率的衰减值。每根光纤上可能包含有不同数量的衰耗点,衰耗点例如光纤的弯折处或者接头处,第一衰耗点光纤衰耗值指的是光信号经过衰耗点造成的光功率的衰减值。
第一历史时间段中包含多个第一历史时刻,相邻的两个第一历史时间之间的时间间隔相同,其中,相邻的两个第一历史时间之间的时间间隔可以为预设天数、预设周数等。
S102:针对每一目标时刻,根据待监测光缆中每根光纤在该目标时刻的第一光纤损耗参数,计算待监测光缆在该目标时刻的第一光缆质量健康度。
该实施例中,待监测光缆在每个目标时刻分别对应一个第一光缆质量健康度。第一光缆质量健康度用于表征待监测光缆在目标时刻的质量健康程度。
在一种可能的实施方式中,图2示出了本申请实施例所提供的另一种光缆质量监测方法的流程图,如图2所示,在执行步骤S102时,具体可以按照以下步骤S1021- S1027执行:
S1021:针对待监测光缆中的每根光纤,计算该光纤的第一总链路损耗与第一光纤长度之间的比值,当该比值小于等于预设的优质光纤链路损耗阈值时,将该光纤确定为优质光纤;以及当该比值大于优质光纤链路损耗阈值且小于等于预设的合格光纤链路损耗阈值时,将该光纤确定为合格光纤。
其中,优质光纤链路损耗阈值大于合格光纤链路损耗阈值。该实施例中,对待监测光缆中的所有光纤进行分类,分为优质光纤和合格光纤。
S1022:根据预设的优质光纤权重、优质光纤的数量、优质光纤的第一总链路损耗、优质光纤的第一光纤长度、优质光纤链路损耗阈值,计算优质光纤的优质光纤得分。
该实施例中,通过以下公式计算优质光纤的优质光纤得分score1:
其中,表征预设的优质光纤权重;N1表征优质光纤的数量;n1表征第n1个优质光纤;totalLoss(n1)表征第n1个优质光纤的第一总链路损耗;dis(n1)表征第n1个优质光纤的第一光纤长度;/>表征优质光纤链路损耗阈值。
S1023:根据预设的合格光纤权重、合格光纤的数量、合格光纤的第一总链路损耗、合格光纤的第一光纤长度、合格光纤链路损耗阈值,计算合格光纤的合格光纤得分。
该实施例中,通过以下公式计算合格光纤的优质光纤得分score2:
其中,表征预设的合格光纤权重;N2表征合格光纤的数量;n2表征第n2个合格光纤;totalLoss(n2)表征第n2个合格光纤的第一总链路损耗;dis(n2)表征第n2个合格光纤的第一光纤长度;/>表征合格光纤链路损耗阈值。
S1024:针对待监测光缆中的每根光纤上的每个衰耗点,当该衰耗点处的第一衰耗点光纤衰耗值大于等于预设的大衰耗点光纤衰耗阈值时,将该衰耗点确定为大衰耗点;以及当该衰耗点处的第一衰耗点光纤衰耗值小于大衰耗点光纤衰耗阈值,且大于等于预设的中衰耗点光纤衰耗阈值时,将该衰耗点确定为中衰耗点。
其中,大衰耗点光纤衰耗阈值大于中衰耗点光纤衰耗阈值。该实施例中,对待监测光缆中的所有衰耗点进行分类,分为大衰耗点和中衰耗点。
S1025:根据预设的大衰耗点权重、大衰耗点的数量、大衰耗点的第一衰耗点光纤衰耗值、大衰耗点光纤衰耗阈值,计算大衰耗点的大衰耗点得分。
该实施例中,通过以下公式计算大衰耗点的大衰耗点得分score3:
其中,表征预设的大衰耗点权重;N3表征大衰耗点的数量;n3表征第n3个大衰耗点;loss(n3)表征第n3个大衰耗点的第一衰耗点光纤衰耗值;lossMax表征大衰耗点光纤衰耗阈值。
S1026:根据预设的中衰耗点权重、中衰耗点的数量、中衰耗点的第一衰耗点光纤衰耗值、中衰耗点光纤衰耗阈值,计算中衰耗点的中衰耗点得分。
该实施例中,通过以下公式计算中衰耗点的中衰耗点得分score4:
其中,表征预设的中衰耗点权重;N4表征中衰耗点的数量;n4表征第n4个中衰耗点;loss(n4)表征第n4个中衰耗点的第一衰耗点光纤衰耗值;lossMid表征中衰耗点光纤衰耗阈值。
S1027:根据优质光纤得分、合格光纤得分、大衰耗点得分和中衰耗点得分,计算待监测光缆在该目标时刻的第一光缆质量健康度。
该实施例中,待监测光缆在每个目标时刻均对应一组:优质光纤的优质光纤得分、合格光纤的合格光纤得分、大衰耗点的大衰耗点得分和中衰耗点的中衰耗点得分。
通过以下公式计算待监测光缆在该目标时刻的第一光缆质量健康度:
其中,QS表征待监测光缆在该目标时刻的第一光缆质量健康度;score1表征该目标时刻的优质光纤的优质光纤得分;score2表征该目标时刻的合格光纤的合格光纤得分;score3表征该目标时刻的大衰耗点的大衰耗点得分;score4表征该目标时刻的中衰耗点的中衰耗点得分。
S103:将各目标时刻的第一光缆质量健康度输入到季节性差分自回归滑动平均模型中,通过季节性差分自回归滑动平均模型确定待监测光缆在第一历史时间段内的第一光缆质量健康度的第一周期性变化规律。
该实施例中,考虑到第一光缆质量健康度是使用光时域反射仪(OTDR)监测到的第一光纤损耗参数确定的,而通过这种方式确定出的第一光缆质量健康度不仅表征待监测光缆本身的质量健康状况,还会受到外界因素的影响。
示例性的,待监测光缆本身的光缆质量健康度可能为80分,由于受到高温、低温、雷雨等外界因素的影响,使用光时域反射仪(OTDR)监测到的第一光纤损耗参数确定出的第一光缆质量健康度可能是70分,也就是说,由于受到外界因素的影响,使用光时域反射仪(OTDR)监测到的第一光纤损耗参数确定出的第一光缆质量健康度不仅受到待监测光缆本身的健康程度的影响,也会受到外界因素的影响。这就导致得到的第一光缆质量健康度无法准确的表征待监测光缆本身的质量健康状况。
为了解决该问题,该实施例中,在得到待监测光缆在每个目标时刻各自的第一光缆质量健康度之后,将各目标时刻的第一光缆质量健康度输入到季节性差分自回归滑动平均模型中,通过季节性差分自回归滑动平均模型确定待监测光缆在第一历史时间段内的第一光缆质量健康度的第一周期性变化规律。
该实施例中,考虑到周期性外界因素会对第一光缆质量健康度造成周期性影响,例如温度会随着季节进行周期性变化,这就会导致待监测光缆的第一光缆质量健康度在冬季和夏季变低。因此,本实施例中,通过季节性差分自回归滑动平均模型(SARIMA,SeasonalAutoregressive Integrated Moving Average)确定待监测光缆在第一历史时间段内的第一光缆质量健康度的第一周期性变化规律。也就是说,第一周期性变化规律是受到周期性外界因素的影响而生成的。第一周期性变化规律可以通过规律变化曲线的形式存储。
S104:以排除周期性外界因素对当前时刻的第一光缆质量健康度的影响为目的,使用第一周期性变化规律对当前时刻的第一光缆质量健康度进行修正,得到用于表征待监测光缆本身的质量健康状况的目标光缆质量健康度。
示例性的,待监测光缆本身的质量健康状况可能为80分,由于受到周期性外界因素的影响,导致确定出的第一光缆质量健康度可能为70分。该实施例中,通过第一周期性变化规律对当前时刻的第一光缆质量健康度进行修正,使得修正后的目标光缆质量健康度为80分。
在一种可能的实施方式中,季节性差分自回归滑动平均模型中包含有第一数量个用于影响季节性差分自回归滑动平均模型性能的目标模型参数。
该实施例中,第一数量为7,目标模型参数分别为p、d、q、P、D、Q、s。其中,p、d、q分别为非季节性因素中的自回归项、差分项、移动平均项的阶数。具体地p表示在时间序列上,当前状态的第一光缆质量健康度与前p个时间点上的第一光缆质量健康度之间的自回归关系;d表示对时间序列进行差分的次数,由于光纤的第一光缆质量健康度这一指标经常会有较大的波动,因此模型采用差分的方法使结果更加平稳、一致;q表示当前值与前q个时间点的预测误差之间的关系。而P、D、Q表示了季节性因素中的自回归项、差分项、移动平均项的阶数,其基本原理与非季节性一致。s表示季节性周期的长度,反映了光纤质量在时间序列波洞上的重复模式和特征。
在执行步骤S101之前,还可以通过以下步骤S2001- S2010确定目标模型参数的取值:
S2001:针对待监测光缆中的每根光纤,获取光时域反射仪在第二历史时间段中的每个第二历史时刻检测到的该光纤的第二光纤损耗参数。
该实施例中,第二光纤损耗参数包含第二总链路损耗、第二光纤长度和第二衰耗点光纤衰耗值。第二历史时间段中包含多个第二历史时刻,相邻的两个第二历史时间之间的时间间隔相同,其中,相邻的两个第二历史时间之间的时间间隔可以为预设天数、预设周数等。
该实施例中,第一历史时间段的包含第二历史时间段。
S2002:针对每一第二历史时刻,根据待监测光缆中每根光纤在该第二历史时刻的第二光纤损耗参数,计算待监测光缆在该第二历史时刻的第二光缆质量健康度。
该实施例中,待监测光缆在每个第二历史时刻分别对应一个第二光缆质量健康度。第二光缆质量健康度用于表征待监测光缆在第二历史时刻的质量健康程度。
该实施例中,在执行步骤S2002根据待监测光缆中每根光纤在该第二历史时刻的第二光纤损耗参数,计算待监测光缆在该第二历史时刻的第二光缆质量健康度时,具体可以按照以下步骤执行:
针对待监测光缆中的每根光纤,计算该光纤在该第二历史时刻的第二总链路损耗与第二光纤长度之间的比值,当该比值小于等于预设的优质光纤链路损耗阈值时,将该光纤确定为优质光纤;以及当该比值大于优质光纤链路损耗阈值且小于等于预设的合格光纤链路损耗阈值时,将该光纤确定为合格光纤。
根据预设的优质光纤权重、优质光纤的数量、优质光纤的第二总链路损耗、优质光纤的第二光纤长度、优质光纤链路损耗阈值,计算优质光纤在第二历史时刻的优质光纤得分。
根据预设的合格光纤权重、合格光纤的数量、合格光纤的第二总链路损耗、合格光纤的第二光纤长度、合格光纤链路损耗阈值,计算合格光纤在第二历史时刻的合格光纤得分。
针对待监测光缆中的每根光纤上的每个衰耗点,在该第二历史时刻,当该衰耗点处的第二衰耗点光纤衰耗值大于等于预设的大衰耗点光纤衰耗阈值时,将该衰耗点确定为大衰耗点;以及当该衰耗点处的第二衰耗点光纤衰耗值小于大衰耗点光纤衰耗阈值,且大于等于预设的中衰耗点光纤衰耗阈值时,将该衰耗点确定为中衰耗点。
根据预设的大衰耗点权重、大衰耗点的数量、大衰耗点的第二衰耗点光纤衰耗值、大衰耗点光纤衰耗阈值,计算大衰耗点在第二历史时刻的大衰耗点得分。
根据预设的中衰耗点权重、中衰耗点的数量、中衰耗点的第二衰耗点光纤衰耗值、中衰耗点光纤衰耗阈值,计算中衰耗点在第二历史时刻的中衰耗点得分。
根据在第二历史时刻的优质光纤得分、合格光纤得分、大衰耗点得分和中衰耗点得分,计算待监测光缆在该第二历史时刻的第一光缆质量健康度。
其中,具体计算过程参见步骤S102,本实施例在此不做重复说明。
S2003:从目标模型参数的取值范围中,为目标模型参数确定出多组候选取值。
该实施例中,考虑到遍历目标模型参数的取值范围的方式会导致数据处理量较多的问题,基于此,使用贝叶斯参数搜索,从目标模型参数的取值范围中,为目标模型参数搜索出多组候选取值,有利于减少数据处理量。
示例性的,目标模型参数有7个,每个目标模型参数对应各自的取值范围,针对每个目标模型参数,从该目标模型参数的取值范围中为该目标模型参数搜索出一个候选取值后,将每个目标模型参数各自对应的一个候选取值组合成一组候选取值。也就是说,一组候选取值中包含每个目标模型参数的一个候选取值。
S2004:针对每一组候选取值,将该组候选取值代入到初始季节性差分自回归滑动平均模型中的目标模型参数中,得到该候选取值对应的候选季节性差分自回归滑动平均模型。
该实施例中,初始季节性差分自回归滑动平均模型指的是目标模型参数未确定的季节性差分自回归滑动平均模型。每组候选取值对应一个候选季节性差分自回归滑动平均模型。
S2005:针对每一候选季节性差分自回归滑动平均模型,将各第二历史时刻的第二光缆质量健康度输入到该候选季节性差分自回归滑动平均模型中,通过该候选季节性差分自回归滑动平均模型确定待监测光缆在第一子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第二周期性变化规律;其中,第一子历史时间段为第二历史时间段中的局部时间段;第一子历史时间段有第二数量个,所有第一子历史时间段中包含的第二历史时刻的数量相同。
该实施例中,每个候选季节性差分自回归滑动平均模型对应第二数量个第一子历史时间段,每个第一子历史时间段对应一个第二周期性变化规律,因此,每个候选季节性差分自回归滑动平均模型对应第二数量个第二周期性变化规律。不同的第一子历史时间段内包含的第二历史时刻不完全相同。
示例性的,第二历史时间段中包含的各个第二历史时刻分别为t1、t2……t9、t10、t11、t12、t13、t14……t100。第一子历史时间段可以为:t1-t20;t11-t30;t21-t40;t31-t50;t41-t60;t51-t70;t61-t80;t71-t90。此时第二数量为8,即有8个第一子历史时间段。由此可见,该示例中,每个第一子历史时间段中均包含20个第二历史时刻,即所有第一子历史时间段中包含的第二历史时刻的数量相同。并且,不同的第一子历史时间段内包含的第二历史时刻不完全相同,例如,第一子历史时间段t1-t20和t11-t30中包含的第二历史时刻存在部分重叠,其中部分重叠的第二历史时刻为t11- t20。
该实施例中,不同的第一子历史时间段内包含的第二历史时刻不完全相同的含义,除了上述所说的存在部分重叠的第二历史时刻的情况之外,还包括,不同的第一子历史时间段内包含的第二历史时刻无重叠的第二历史时刻。此时,示例性的,若第二历史时间段中包含的各个第二历史时刻分别为t1、t2……t9、t10、t11、t12、t13、t14……t100。则第一子历史时间段可以为:t1-t20;t21-t40;t41-t60;t61-t80。
S2006:针对每个第一子历史时间段对应的第二周期性变化规律,使用该第二周期性变化规律预测该第一子历史时间段的下一时刻的第一预测光缆质量健康度。
承接上述示例,若第一子历史时间段为t11-t30,则该第一子历史时间段的下一时刻为t31。
其中,由于第一子历史时间段的下一时刻的第一预测光缆质量健康度是使用该第一子历史时间段的第二周期性变化规律预测出来的,因此,预测出来的第一预测光缆质量健康度不仅受到待监测光缆本身质量健康状况的影响,还受到了周期性外界因素的影响。
S2007:根据每个第一子历史时间段的下一时刻的第一预测光缆质量健康度和第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数。
通过以下公式计算用于表征候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数:
其中,j表征第j个候选季节性差分自回归滑动平均模型;RMSEj用于表征第j个候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;M为第二数量,第二数量为第一子历史时间段的数量;ym表征第m个第一子历史时间段的下一时刻的第二光缆质量健康度;表征第m个第一子历史时间段的下一时刻的第一预测光缆质量健康度。
S2008:计算该候选季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该候选季节性差分自回归滑动平均模型计算速度的第二候选模型评价参数。
该实施例中,候选季节性差分自回归滑动平均模型的拟合优度指的是候选季节性差分自回归滑动平均模型的合理程度。
S2009:将该候选季节性差分自回归滑动平均模型的第一候选模型评价参数和第二候选模型评价参数输入到预设的模型评价函数中,输出用于表征该候选季节性差分自回归滑动平均模型性能的候选模型评价指标值。
模型评价函数为:
其中,Fj表示第j个候选季节性差分自回归滑动平均模型的候选模型评价指标值;RMSEj表示第j个候选季节性差分自回归滑动平均模型的第一候选模型评价参数;AICj表示第j个候选季节性差分自回归滑动平均模型的第二候选模型评价参数;α表示第一权重系数;β表示第二权重系数。
在一种可能的实施方式中,模型评价函数中的第一权重系数和第二权重系数通过以下步骤S301- S308确定:
S301:从目标模型参数的取值范围中,随机选取出目标模型参数的第三数量组初始化取值;其中,初始化取值与候选取值不相同。
该实施例中,第三数量小于候选取值的组数。
S302:针对每一组初始化取值,将该初始化取值代入到初始季节性差分自回归滑动平均模型中的目标模型参数中,得到该初始化取值对应的第一季节性差分自回归滑动平均模型。
其中,每个初始化取值对应一个第一季节性差分自回归滑动平均模型。
S303:针对每一第一季节性差分自回归滑动平均模型,将各第二历史时刻的第二光缆质量健康度输入到该第一季节性差分自回归滑动平均模型中,通过该第一季节性差分自回归滑动平均模型确定待监测光缆在第二子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第三周期性变化规律;其中,第二子历史时间段为第二历史时间段中的局部时间段;第二子历史时间段有第四数量个;所有第二子历史时间段中包含的第二历史时刻的数量相同。
该实施例中,第二子历史时间段与第一子历史时间段可以相同,也可以不相同,本申请对此不予限定。不同的第二子历史时间段中包含的第二历史时刻不完全相同。
S304:针对每个第二子历史时间段对应的第三周期性变化规律,使用该第三周期性变化规律预测该第二子历史时间段的下一时刻的第二预测光缆质量健康度。
该实施例中,每个第二子历史时间段对应一个第二预测光缆质量健康度。由于第二子历史时间段有第四数量个,因此,每个第一季节性差分自回归滑动平均模型对应第四数量个第二预测光缆质量健康度。
S305:根据每个第二子历史时间段的下一时刻的第二预测光缆质量健康度和第二光缆质量健康度,计算出用于表征该第一季节性差分自回归滑动平均模型准确度的第一初始化模型评价参数。
通过以下公式计算用于表征第一季节性差分自回归滑动平均模型准确度的第一初始化模型评价参数:
其中,i表征第i个第一季节性差分自回归滑动平均模型;RMSEi用于表征第i个第一季节性差分自回归滑动平均模型准确度的第一初始化模型评价参数;U为第四数量,表征第二子历史时间段的数量;yu表征第u个第二子历史时间段的下一时刻的第二光缆质量健康度;表征第u个第二子历史时间段的下一时刻的第二预测光缆质量健康度。
S306:计算所有第一季节性差分自回归滑动平均模型的第一初始化模型评价参数的均值的倒数,得到第一权重系数。
通过以下公式表示第一权重系数α:
/>
其中,Z表征第一季节性差分自回归滑动平均模型的个数,也表征初始化取值的组数;RMSEi用于表征第i个第一季节性差分自回归滑动平均模型准确度的第一初始化模型评价参数。
S307:针对每个第一季节性差分自回归滑动平均模型,计算该第一季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数。
通过以下公式计算第i个第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数AICi:
S308:计算所有第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数的均值的倒数,得到第二权重系数。
通过以下公式表示第二权重系数β:
S2010:根据每个候选季节性差分自回归滑动平均模型各自的候选模型评价指标值,从多个候选季节性差分自回归滑动平均模型中,选取出候选模型评价指标值最优的候选季节性差分自回归滑动平均模型作为最终的季节性差分自回归滑动平均模型,以及将该候选季节性差分自回归滑动平均模型对应的候选取值作为目标模型参数最终的取值。
该实施例中,从多个候选季节性差分自回归滑动平均模型中,选取出候选模型评价指标值最小的候选季节性差分自回归滑动平均模型作为最终的季节性差分自回归滑动平均模型。
实施例二:
基于相同的技术构思,本申请还提供了一种光缆质量监测装置,图3示出了本申请实施例所提供的一种光缆质量监测装置的结构示意图,如图3所示,所述装置包括:
第一获取模块301,用于针对待监测光缆中的每根光纤,获取光时域反射仪在每个目标时刻分别检测到的该光纤的第一光纤损耗参数;所述目标时刻包括当前时刻和第一历史时间段中的每个第一历史时刻;
第一计算模块302,用于针对每一所述目标时刻,根据所述待监测光缆中每根光纤在该目标时刻的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度;
第一输入模块303,用于将各目标时刻的所述第一光缆质量健康度输入到季节性差分自回归滑动平均模型中,通过所述季节性差分自回归滑动平均模型确定所述待监测光缆在所述第一历史时间段内的第一光缆质量健康度的第一周期性变化规律;
修正模块304,用于以排除周期性外界因素对所述当前时刻的第一光缆质量健康度的影响为目的,使用所述第一周期性变化规律对所述当前时刻的第一光缆质量健康度进行修正,得到用于表征所述待监测光缆本身的质量健康状况的目标光缆质量健康度。
可选的,所述第一光纤损耗参数包括第一总链路损耗、第一光纤长度和第一衰耗点光纤衰耗值;第一计算模块302在用于根据所述待监测光缆中每根光纤在该目标时刻的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度时,具体用于:
针对所述待监测光缆中的每根光纤,计算该光纤的第一总链路损耗与第一光纤长度之间的比值,当该比值小于等于预设的优质光纤链路损耗阈值时,将该光纤确定为优质光纤;以及当该比值大于所述优质光纤链路损耗阈值且小于等于预设的合格光纤链路损耗阈值时,将该光纤确定为合格光纤;
根据预设的优质光纤权重、优质光纤的数量、优质光纤的第一总链路损耗、优质光纤的第一光纤长度、所述优质光纤链路损耗阈值,计算所述优质光纤的优质光纤得分;
根据预设的合格光纤权重、合格光纤的数量、合格光纤的第一总链路损耗、合格光纤的第一光纤长度、所述合格光纤链路损耗阈值,计算所述合格光纤的合格光纤得分;
针对所述待监测光缆中的每根光纤上的每个衰耗点,当该衰耗点处的第一衰耗点光纤衰耗值大于等于预设的大衰耗点光纤衰耗阈值时,将该衰耗点确定为大衰耗点;以及当该衰耗点处的第一衰耗点光纤衰耗值小于所述大衰耗点光纤衰耗阈值,且大于等于预设的中衰耗点光纤衰耗阈值时,将该衰耗点确定为中衰耗点;
根据预设的大衰耗点权重、大衰耗点的数量、大衰耗点的第一衰耗点光纤衰耗值、所述大衰耗点光纤衰耗阈值,计算所述大衰耗点的大衰耗点得分:
根据预设的中衰耗点权重、中衰耗点的数量、中衰耗点的第一衰耗点光纤衰耗值、所述中衰耗点光纤衰耗阈值,计算所述中衰耗点的中衰耗点得分;
根据所述优质光纤得分、所述合格光纤得分、所述大衰耗点得分和所述中衰耗点得分,计算所述待监测光缆在该目标时刻的第一光缆质量健康度。
可选的,所述季节性差分自回归滑动平均模型中包含有第一数量个用于影响季节性差分自回归滑动平均模型性能的目标模型参数;所述装置包括第一确定模块,所述第一确定模块用于通过以下方式确定所述目标模型参数的取值:
针对所述待监测光缆中的每根光纤,获取所述光时域反射仪在第二历史时间段中的每个第二历史时刻检测到的该光纤的第二光纤损耗参数;
针对每一所述第二历史时刻,根据所述待监测光缆中每根光纤在该第二历史时刻的所述第二光纤损耗参数,计算所述待监测光缆在该第二历史时刻的第二光缆质量健康度;
从所述目标模型参数的取值范围中,为所述目标模型参数确定出多组候选取值;
针对每一组所述候选取值,将该组候选取值代入到初始季节性差分自回归滑动平均模型中的所述目标模型参数中,得到该候选取值对应的候选季节性差分自回归滑动平均模型;
针对每一所述候选季节性差分自回归滑动平均模型,将各第二历史时刻的所述第二光缆质量健康度输入到该候选季节性差分自回归滑动平均模型中,通过该候选季节性差分自回归滑动平均模型确定所述待监测光缆在第一子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第二周期性变化规律;其中,所述第一子历史时间段为所述第二历史时间段中的局部时间段;所述第一子历史时间段有第二数量个,所有所述第一子历史时间段中包含的第二历史时刻的数量相同;
针对每个所述第一子历史时间段对应的所述第二周期性变化规律,使用该第二周期性变化规律预测该第一子历史时间段的下一时刻的第一预测光缆质量健康度;
根据每个所述第一子历史时间段的下一时刻的所述第一预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;
计算该候选季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该候选季节性差分自回归滑动平均模型计算速度的第二候选模型评价参数;
将该候选季节性差分自回归滑动平均模型的所述第一候选模型评价参数和所述第二候选模型评价参数输入到预设的模型评价函数中,输出用于表征该候选季节性差分自回归滑动平均模型性能的候选模型评价指标值;
根据每个所述候选季节性差分自回归滑动平均模型各自的所述候选模型评价指标值,从多个所述候选季节性差分自回归滑动平均模型中,选取出所述候选模型评价指标值最优的所述候选季节性差分自回归滑动平均模型作为最终的所述季节性差分自回归滑动平均模型,以及将该候选季节性差分自回归滑动平均模型对应的候选取值作为所述目标模型参数最终的取值。
可选的,所述第一确定模块在用于从所述目标模型参数的取值范围中,为所述目标模型参数确定出多组候选取值时,具体用于:
使用贝叶斯参数搜索,从所述目标模型参数的取值范围中,为所述目标模型参数搜索出多组候选取值。
可选的,所述第一确定模块在用于根据每个所述第一子历史时间段的下一时刻的所述第一预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数时,具体用于:
通过以下公式计算用于表征候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数:
其中,j表征第j个候选季节性差分自回归滑动平均模型;RMSEj用于表征第j个候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;M为所述第二数量;ym表征第m个第一子历史时间段的下一时刻的第二光缆质量健康度;表征第m个第一子历史时间段的下一时刻的第一预测光缆质量健康度。
可选的,所述模型评价函数为:
其中,Fj表示第j个候选季节性差分自回归滑动平均模型的候选模型评价指标值;RMSEj表示第j个候选季节性差分自回归滑动平均模型的第一候选模型评价参数;AICj表示第j个候选季节性差分自回归滑动平均模型的第二候选模型评价参数;α表示第一权重系数;β表示第二权重系数。
可选的,所述装置还包括第二确定模块,所述第二确定模块用于通过以下方式确定所述第一权重系数和所述第二权重系数:
从所述目标模型参数的取值范围中,随机选取出所述目标模型参数的第三数量组初始化取值;其中,所述初始化取值与所述候选取值不相同;
针对每一组所述初始化取值,将该初始化取值代入到初始季节性差分自回归滑动平均模型中的所述目标模型参数中,得到该初始化取值对应的第一季节性差分自回归滑动平均模型;
针对每一所述第一季节性差分自回归滑动平均模型,将各第二历史时刻的所述第二光缆质量健康度输入到该第一季节性差分自回归滑动平均模型中,通过该第一季节性差分自回归滑动平均模型确定所述待监测光缆在第二子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第三周期性变化规律;其中,所述第二子历史时间段为所述第二历史时间段中的局部时间段;所述第二子历史时间段有第四数量个;所有所述第二子历史时间段中包含的第二历史时刻的数量相同;
针对每个所述第二子历史时间段对应的所述第三周期性变化规律,使用该第三周期性变化规律预测该第二子历史时间段的下一时刻的第二预测光缆质量健康度;
根据每个所述第二子历史时间段的下一时刻的所述第二预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该第一季节性差分自回归滑动平均模型准确度的第一初始化模型评价参数;
计算所有所述第一季节性差分自回归滑动平均模型的所述第一初始化模型评价参数的均值的倒数,得到所述第一权重系数;
针对每个所述第一季节性差分自回归滑动平均模型,计算该第一季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数;
计算所有所述第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数的均值的倒数,得到所述第二权重系数。
实施例三:
图4为本申请实施例提供的一种电子设备的结构示意图,包括:处理器401、存储器402和总线403,所述存储器402存储有所述处理器401可执行的机器可读指令,当电子设备运行上述的信息处理方法时,所述处理器401与所述存储器402之间通过总线403通信,所述处理器401执行所述机器可读指令,以执行实施例一中所述的方法步骤。
实施例四:
本申请实施例四还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行实施例一中所述的方法步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、电子设备和计算机可读存储介质的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种光缆质量监测方法,其特征在于,包括:
针对待监测光缆中的每根光纤,获取光时域反射仪在每个目标时刻分别检测到的该光纤的第一光纤损耗参数;所述目标时刻包括当前时刻和第一历史时间段中的每个第一历史时刻;
针对每一所述目标时刻,根据所述待监测光缆中每根光纤在该目标时刻的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度;
将各目标时刻的所述第一光缆质量健康度输入到季节性差分自回归滑动平均模型中,通过所述季节性差分自回归滑动平均模型确定所述待监测光缆在所述第一历史时间段内的第一光缆质量健康度的第一周期性变化规律;
以排除周期性外界因素对所述当前时刻的第一光缆质量健康度的影响为目的,使用所述第一周期性变化规律对所述当前时刻的第一光缆质量健康度进行修正,得到用于表征所述待监测光缆本身的质量健康状况的目标光缆质量健康度。
2.根据权利要求1所述方法,其特征在于,所述第一光纤损耗参数包括第一总链路损耗、第一光纤长度和第一衰耗点光纤衰耗值;所述根据所述待监测光缆中每根光纤的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度,包括:
针对所述待监测光缆中的每根光纤,计算该光纤的第一总链路损耗与第一光纤长度之间的比值,当该比值小于等于预设的优质光纤链路损耗阈值时,将该光纤确定为优质光纤;以及当该比值大于所述优质光纤链路损耗阈值且小于等于预设的合格光纤链路损耗阈值时,将该光纤确定为合格光纤;
根据预设的优质光纤权重、优质光纤的数量、优质光纤的第一总链路损耗、优质光纤的第一光纤长度、所述优质光纤链路损耗阈值,计算所述优质光纤的优质光纤得分;
根据预设的合格光纤权重、合格光纤的数量、合格光纤的第一总链路损耗、合格光纤的第一光纤长度、所述合格光纤链路损耗阈值,计算所述合格光纤的合格光纤得分;
针对所述待监测光缆中的每根光纤上的每个衰耗点,当该衰耗点处的第一衰耗点光纤衰耗值大于等于预设的大衰耗点光纤衰耗阈值时,将该衰耗点确定为大衰耗点;以及当该衰耗点处的第一衰耗点光纤衰耗值小于所述大衰耗点光纤衰耗阈值,且大于等于预设的中衰耗点光纤衰耗阈值时,将该衰耗点确定为中衰耗点;
根据预设的大衰耗点权重、大衰耗点的数量、大衰耗点的第一衰耗点光纤衰耗值、所述大衰耗点光纤衰耗阈值,计算所述大衰耗点的大衰耗点得分:
根据预设的中衰耗点权重、中衰耗点的数量、中衰耗点的第一衰耗点光纤衰耗值、所述中衰耗点光纤衰耗阈值,计算所述中衰耗点的中衰耗点得分;
根据所述优质光纤得分、所述合格光纤得分、所述大衰耗点得分和所述中衰耗点得分,计算所述待监测光缆在该目标时刻的第一光缆质量健康度。
3.根据权利要求1所述方法,其特征在于,所述季节性差分自回归滑动平均模型中包含有第一数量个用于影响季节性差分自回归滑动平均模型性能的目标模型参数;所述目标模型参数的取值是通过以下方式确定的:
针对所述待监测光缆中的每根光纤,获取所述光时域反射仪在第二历史时间段中的每个第二历史时刻检测到的该光纤的第二光纤损耗参数;
针对每一所述第二历史时刻,根据所述待监测光缆中每根光纤在该第二历史时刻的所述第二光纤损耗参数,计算所述待监测光缆在该第二历史时刻的第二光缆质量健康度;
从所述目标模型参数的取值范围中,为所述目标模型参数确定出多组候选取值;
针对每一组所述候选取值,将该组候选取值代入到初始季节性差分自回归滑动平均模型中的所述目标模型参数中,得到该候选取值对应的候选季节性差分自回归滑动平均模型;
针对每一所述候选季节性差分自回归滑动平均模型,将各第二历史时刻的所述第二光缆质量健康度输入到该候选季节性差分自回归滑动平均模型中,通过该候选季节性差分自回归滑动平均模型确定所述待监测光缆在第一子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第二周期性变化规律;其中,所述第一子历史时间段为所述第二历史时间段中的局部时间段;所述第一子历史时间段有第二数量个,所有所述第一子历史时间段中包含的第二历史时刻的数量相同;
针对每个所述第一子历史时间段对应的所述第二周期性变化规律,使用该第二周期性变化规律预测该第一子历史时间段的下一时刻的第一预测光缆质量健康度;
根据每个所述第一子历史时间段的下一时刻的所述第一预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;
计算该候选季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该候选季节性差分自回归滑动平均模型计算速度的第二候选模型评价参数;
将该候选季节性差分自回归滑动平均模型的所述第一候选模型评价参数和所述第二候选模型评价参数输入到预设的模型评价函数中,输出用于表征该候选季节性差分自回归滑动平均模型性能的候选模型评价指标值;
根据每个所述候选季节性差分自回归滑动平均模型各自的所述候选模型评价指标值,从多个所述候选季节性差分自回归滑动平均模型中,选取出所述候选模型评价指标值最优的所述候选季节性差分自回归滑动平均模型作为最终的所述季节性差分自回归滑动平均模型,以及将该候选季节性差分自回归滑动平均模型对应的候选取值作为所述目标模型参数最终的取值。
4.根据权利要求3所述方法,其特征在于,所述从所述目标模型参数的取值范围中,为所述目标模型参数确定出多组候选取值,包括:
使用贝叶斯参数搜索,从所述目标模型参数的取值范围中,为所述目标模型参数搜索出多组候选取值。
5.根据权利要求3所述方法,其特征在于,所述根据每个所述第一子历史时间段的下一时刻的所述第一预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数,包括:
通过以下公式计算用于表征候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数:
其中,j表征第j个候选季节性差分自回归滑动平均模型;RMSEj用于表征第j个候选季节性差分自回归滑动平均模型准确度的第一候选模型评价参数;M为所述第二数量;ym表征第m个第一子历史时间段的下一时刻的第二光缆质量健康度;表征第m个第一子历史时间段的下一时刻的第一预测光缆质量健康度。
6.根据权利要求3所述方法,其特征在于,所述模型评价函数为:
其中,Fj表示第j个候选季节性差分自回归滑动平均模型的候选模型评价指标值;RMSEj表示第j个候选季节性差分自回归滑动平均模型的第一候选模型评价参数;AICj表示第j个候选季节性差分自回归滑动平均模型的第二候选模型评价参数;α表示第一权重系数;β表示第二权重系数。
7.根据权利要求6所述方法,其特征在于,所述第一权重系数和所述第二权重系数是通过以下方式确定的:
从所述目标模型参数的取值范围中,随机选取出所述目标模型参数的第三数量组初始化取值;其中,所述初始化取值与所述候选取值不相同;
针对每一组所述初始化取值,将该初始化取值代入到初始季节性差分自回归滑动平均模型中的所述目标模型参数中,得到该初始化取值对应的第一季节性差分自回归滑动平均模型;
针对每一所述第一季节性差分自回归滑动平均模型,将各第二历史时刻的所述第二光缆质量健康度输入到该第一季节性差分自回归滑动平均模型中,通过该第一季节性差分自回归滑动平均模型确定所述待监测光缆在第二子历史时间段内的每个第二历史时刻的第二光缆质量健康度的第三周期性变化规律;其中,所述第二子历史时间段为所述第二历史时间段中的局部时间段;所述第二子历史时间段有第四数量个;所有所述第二子历史时间段中包含的第二历史时刻的数量相同;
针对每个所述第二子历史时间段对应的所述第三周期性变化规律,使用该第三周期性变化规律预测该第二子历史时间段的下一时刻的第二预测光缆质量健康度;
根据每个所述第二子历史时间段的下一时刻的所述第二预测光缆质量健康度和所述第二光缆质量健康度,计算出用于表征该第一季节性差分自回归滑动平均模型准确度的第一初始化模型评价参数;
计算所有所述第一季节性差分自回归滑动平均模型的所述第一初始化模型评价参数的均值的倒数,得到所述第一权重系数;
针对每个所述第一季节性差分自回归滑动平均模型,计算该第一季节性差分自回归滑动平均模型的模型复杂度与拟合优度的比值,得到用于表征该第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数;
计算所有所述第一季节性差分自回归滑动平均模型计算速度的第二初始化模型评价参数的均值的倒数,得到所述第二权重系数。
8.一种光缆质量监测装置,其特征在于,包括:
第一获取模块,用于针对待监测光缆中的每根光纤,获取光时域反射仪在每个目标时刻分别检测到的该光纤的第一光纤损耗参数;所述目标时刻包括当前时刻和第一历史时间段中的每个第一历史时刻;
第一计算模块,用于针对每一所述目标时刻,根据所述待监测光缆中每根光纤在该目标时刻的所述第一光纤损耗参数,计算所述待监测光缆在该目标时刻的第一光缆质量健康度;
第一输入模块,用于将各目标时刻的所述第一光缆质量健康度输入到季节性差分自回归滑动平均模型中,通过所述季节性差分自回归滑动平均模型确定所述待监测光缆在所述第一历史时间段内的第一光缆质量健康度的第一周期性变化规律;
修正模块,用于以排除周期性外界因素对所述当前时刻的第一光缆质量健康度的影响为目的,使用所述第一周期性变化规律对所述当前时刻的第一光缆质量健康度进行修正,得到用于表征所述待监测光缆本身的质量健康状况的目标光缆质量健康度。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346140.8A CN117949173B (zh) | 2024-03-26 | 2024-03-26 | 一种光缆质量监测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346140.8A CN117949173B (zh) | 2024-03-26 | 2024-03-26 | 一种光缆质量监测方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117949173A true CN117949173A (zh) | 2024-04-30 |
CN117949173B CN117949173B (zh) | 2024-06-04 |
Family
ID=90801765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410346140.8A Active CN117949173B (zh) | 2024-03-26 | 2024-03-26 | 一种光缆质量监测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117949173B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007067458A (ja) * | 2005-08-29 | 2007-03-15 | Chugoku Electric Power Co Inc:The | 分配用光カプラモジュールおよびカプラモジュール収容架 |
CN110672332A (zh) * | 2019-09-10 | 2020-01-10 | 上海电力大学 | 一种基于sarima模型的燃气轮机故障预警*** |
CN115242302A (zh) * | 2022-07-27 | 2022-10-25 | 广东电网有限责任公司 | 一种光缆运行质量风险评估方法、装置、设备及存储介质 |
CN116318383A (zh) * | 2023-03-14 | 2023-06-23 | 浙江信测通信股份有限公司 | 一种光缆的监测方法、装置、设备及存储介质 |
US20230221153A1 (en) * | 2020-06-03 | 2023-07-13 | Nippon Telegraph And Telephone Corporation | Device, method and program for detecting microbend |
CN117118506A (zh) * | 2023-10-24 | 2023-11-24 | 北京瑞祺皓迪技术股份有限公司 | 一种otdr数据分析诊断方法、装置、电子设备及存储介质 |
CN117196064A (zh) * | 2023-09-07 | 2023-12-08 | 中国建设银行股份有限公司 | 模型训练方法、对象属性值确定方法、装置、设备及介质 |
CN117490948A (zh) * | 2023-09-21 | 2024-02-02 | 武汉理工大学 | 一种基于动态阈值的斜拉桥健康监测方法及*** |
CN117555130A (zh) * | 2023-10-30 | 2024-02-13 | 庄梦蝶 | 一种多芯光纤的串扰抑制方法 |
-
2024
- 2024-03-26 CN CN202410346140.8A patent/CN117949173B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007067458A (ja) * | 2005-08-29 | 2007-03-15 | Chugoku Electric Power Co Inc:The | 分配用光カプラモジュールおよびカプラモジュール収容架 |
CN110672332A (zh) * | 2019-09-10 | 2020-01-10 | 上海电力大学 | 一种基于sarima模型的燃气轮机故障预警*** |
US20230221153A1 (en) * | 2020-06-03 | 2023-07-13 | Nippon Telegraph And Telephone Corporation | Device, method and program for detecting microbend |
CN115242302A (zh) * | 2022-07-27 | 2022-10-25 | 广东电网有限责任公司 | 一种光缆运行质量风险评估方法、装置、设备及存储介质 |
CN116318383A (zh) * | 2023-03-14 | 2023-06-23 | 浙江信测通信股份有限公司 | 一种光缆的监测方法、装置、设备及存储介质 |
CN117196064A (zh) * | 2023-09-07 | 2023-12-08 | 中国建设银行股份有限公司 | 模型训练方法、对象属性值确定方法、装置、设备及介质 |
CN117490948A (zh) * | 2023-09-21 | 2024-02-02 | 武汉理工大学 | 一种基于动态阈值的斜拉桥健康监测方法及*** |
CN117118506A (zh) * | 2023-10-24 | 2023-11-24 | 北京瑞祺皓迪技术股份有限公司 | 一种otdr数据分析诊断方法、装置、电子设备及存储介质 |
CN117555130A (zh) * | 2023-10-30 | 2024-02-13 | 庄梦蝶 | 一种多芯光纤的串扰抑制方法 |
Non-Patent Citations (1)
Title |
---|
蔡红秀;徐明;: "基于乘积季节ARIMA模型的上海机场国际货邮吞吐量的短期预测", 中国战略新兴产业, no. 28, 28 December 2016 (2016-12-28) * |
Also Published As
Publication number | Publication date |
---|---|
CN117949173B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111277332A (zh) | 工程应用中光模块的性能状态检测方法、装置及电子设备 | |
CN113590429B (zh) | 一种服务器故障诊断方法、装置及电子设备 | |
CN110059894A (zh) | 设备状态评估方法、装置、***及存储介质 | |
CN110988563B (zh) | 一种ups故障检测方法、装置、设备和存储介质 | |
CN113868953B (zh) | 工业***中多机组运行优化方法、装置、***及存储介质 | |
CN114564629B (zh) | 异常数据处理方法、装置、计算机设备和存储介质 | |
CN114866137B (zh) | 电力光缆网的检测方法及装置 | |
Lin et al. | Planning life tests with progressively Type-I interval censored data from the lognormal distribution | |
KR102158100B1 (ko) | 이상 감지를 이용한 모니터링 자동화 방법 및 장치 | |
CN117949173B (zh) | 一种光缆质量监测方法、装置、电子设备及可读存储介质 | |
Wu et al. | Adaptive sequential predictive maintenance policy with nonperiodic inspection for hard failures | |
CN113987027A (zh) | 一种基于故障预测的设备状态确定方法、装置及介质 | |
CN112529432B (zh) | 一种电压暂降严重程度评估方法、装置及电子设备 | |
CN112128950B (zh) | 一种基于多种模型对比的机房温湿度预测方法及*** | |
CN114252748A (zh) | 一种电缆中间接头绝缘状态评估方法、***及装置 | |
CN112380759B (zh) | 基于深度学习和CoxPH模型的智能电表寿命预测方法 | |
CN112345972A (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及*** | |
CN114942066B (zh) | 电主轴误差间接预测方法及装置 | |
CN116933121A (zh) | 数据异常检测方法及装置 | |
CN109213967B (zh) | 一种运载火箭数据预测方法及装置、存储介质和电子设备 | |
CN108154292B (zh) | 一种路面性能的预测模型的建立方法及*** | |
CN111401580B (zh) | 一种大长段高压电缆运维方法 | |
US11495114B2 (en) | Alert similarity and label transfer | |
CN118391203A (zh) | 一种海上风电机组变桨***健康状态评估方法、***、设备及介质 | |
CN112416774B (zh) | 一种添加权重的软件可靠性测试方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |