基于数据驱动的电力光纤通信网脆弱节点动态挖掘

电力光纤通信网络脆弱节点受到外界影响或系统干扰时,会导致线路元件的相继故障,缩减网络的使用寿命,为此提出基于数据驱动的电力光纤通信网络脆弱节点动态挖掘方法。首先在大数据环境下剔除网络中的冗余节点,并根据剔除结果交换节点信息,确定通信网络脆弱节点位置连接后,获取通信网络的异常范围;再依据划分出的通信异常范围提取该区域中的节点脆弱性能特征,建立脆弱节点挖掘模型;最后依据该模型挖掘出通信网络中的脆弱节点,实现电力光纤通信网络脆弱节点动态挖掘。实验结果表明,利用该方法开展通信网络脆弱节点挖掘时,节点挖掘精度平均值为98%,网络传输时延最小值为19 ms,节点挖掘消耗时间为0.42 s,节点覆盖程度为96.88%,通信网络脆弱节点挖掘性能较好。

基于大数据的激光通信光纤时延波动测量仿真

空间激光通信光纤的传输频带宽、距离远且通信容量大,但是易受环境温度和激光器波长影响出现时延波动问题。为解决以上问题,提出基于大数据的空间激光通信光纤时延波动测量方法。构建光载波传输模型,分析光纤时延波动的影响因素。采用大数据技术测量时延波动,获得其初始测量值,通过卡尔曼滤波方法处理并提高测量值的精度,完成空间激光通信光纤时延波动的精准测量。实验结果表明,空间激光通信光纤距离不断增加时,时延波动量不断增大,研究方法测量结果与实际值具有较高拟合度,且对时延波动的跟踪精度高,不确定度保持在10ps以内。

基于大数据技术的光纤通信安全性防御方法研究

针对当前光纤通信攻击信号检测误报率较高,光纤通信安全性防御成功率下降的问题,提出基于大数据技术的光纤通信安全性防御方法。首先应用大数据技术中的贝叶斯理论,优化光纤通信异常信号采集与识别环节。接着使用支持向量机,对采集到的原始异常信号进行分类,提取攻击信号并确定攻击类型。最后构建防御时间序列,对得到的攻击信息进行防御,实现通信安全性防御,完成光纤通信安全性防御方法设计。实验结果表明:此方法的误报率均在1.0%以内;光纤通信网络敏感区域标识准确性高,且标识效果较为稳定,用时较短在3 s左右;在安全防御中的应用效果较为稳定,整体波动较小且成功率均在98%以上。可见此方法能有效降低光纤通信攻击信号检测误报率及漏报率,提升光纤通信安全性防御成功率。

大数据环境下光纤通信网络异常流量动态检测方法

大数据环境下光纤通信网络具有多样性特征,增加了网络异常流量检测的难度。为提高异常流量检测的性能,提出一种基于指数平滑和置信区间的异常流量动态检测方法。随机划分连续时间光纤网络数据,利用二叉分割组建决策树模型,计算数据差异分数后保留完整网络流量数据。推算各流量特征密度指标,使用高阶统计量推导可能产生异常流量的时间范围。通过滑动窗口模型获得近期相同时段流量值,融合中心极限定理分析流量是否位于临界值上下置信区间,输出异常流量检测结果。实验结果表明,所提方法检测正确率高、计算速率快、稳定性强。

基于小波神经网络的光纤网络大数据异常负载检测方法

光纤网络中断现象时有发生,不仅影响了信息传递的完整性,也影响了信息传递的效率。造成这一问题的主要原因在于光纤网络存在异常负载情况。针对上述问题,为了能够实时掌握光纤网络运行状态,研究一种基于小波神经网络的光纤网络大数据异常负载检测方法。该研究利用NetFlow技术设计一个采集器,采集光纤网络流量数据;利用EMD算法分解网络流量数据,得到若干个IFM分量;计算光纤网络流量特征集合中每一个特征的重要性系数,选出排名靠前的K个特征作为输入,利用小波神经网络实现异常负载检测,结果表明:利用所研究方法进行光纤网络大数据异常负载检测,SROC数值均保持在0.8~1.0之间,说明所研究方法性能在很准确和非常准确之间,表现较好。

基于大数据驱动的光纤通信网络异常入侵检测研究

当前网络异常入侵检测主要依托于信息熵法,在检测过程中并未对入侵提取结果进行分类,导致最终检测结果误报率较高。为降低检测结果误报率,因此,研究了一种基于大数据驱动的光纤通信网络异常入侵检测方法。首先小波阈值对光纤通信信号进行去噪处理,通过信息增益算法、前向选择和后向去除相结合的方法完成通信数据特征降维,然后应用粗糙集理论和决策树算法构建入侵信号提取检测模型,最后通过聚类算法整理所有异常信号,再根据信号相位差值得到异常入侵定位检测结果。实验结果表明:面对两个不同的测试数据集,所提方法得到的异常入侵检测结果误报率最大值分别为2.75%、2.02%,能够满足入侵检测要求。

基于大数据分析的光纤网络链路状态识别研究

针对光纤网络链路状态识别精度较低的问题,提出了基于大数据分析的光纤网络链路状态识别方法。首先预处理光纤网络内数据,提取特征向量;将机器学习算法与均衡调用算法相结合构建机器学习分类器,设置中断响应机制,利用输出期望值与标准差控制分类器,完成光纤网络链路状态识别。实验结果表明,所提方法采集光纤网络链路缺陷数据的精度和采全率高于88%、82%,漏采率低于13%,由此可知所提方法可以准确采集光纤网络链路中存在的缺陷数据,且可以输出较清晰稳定的光纤网络链路状态识别结果。

云计算光纤通信中大数据聚类调度算法

为了提高云计算光纤通信的传输质量,需要进行通信大数据的优化聚类调度处理,提出一种基于残差融合型模糊C均值学习的云计算光纤通信中大数据聚类调度算法。构建云计算光纤通信的大数据分段特征分解模型,采用多元回归分析方法对云计算光纤通信输出大数据进行均衡配置,构建结构参数模型进行大数据的关联特征提取,对提取的光纤通信大数据特征分量采用模糊C均值聚类方法进行分类处理,构建残差变量对分类后的大数据进行线性规划融合调度,实现光纤通信大数据的均衡聚类调度。仿真结果表明,采用该方法进行大数据聚类调度的准确性较高,通信输出的误码率较低,提高了光纤通信质量。

光纤网络中大数据多路加载调度方法

传统方法对光纤网络大数据调度时,未进行分路加载,造成加载拥挤、传输时延过高等问题。引入多路加载技术,提出一种新的方法解决光纤网络中大数据调度问题。采用自适应比特信息流均衡控制技术构建大数据调度信道模型,通过数据分类属性进行大数据多路加载特征提取;在此基础上设计数据存储结构,计算大数据调度的信道均衡配置参量;通过多路加载方法实现大数据加载调度。仿真结果表明,采用多路加载方法进行光纤网络大数据调度时,大数据多路加载调度的均衡性较好,通信数据的输出稳定性可达88%,数据转发成功率较高,调度时延和误码率较低,具有较高的应用价值。

基于模糊聚类改进的光纤大数据分类算法研究

传统模糊K-均值聚类算法对光纤大数据实施聚类过程中,主要通过欧氏距离描述数据间的聚类,仅能描述球形以及超球形的光纤数据,不能描述实际光纤数据的多样性结构,存在聚类精度差,容易陷入局部最佳的弊端。因此,提出基于模糊聚类改进的光纤大数据分类算法,采用模糊K-Means聚类算法对光纤大数据实施初始聚类,采用基于Witten框架的改进模糊聚类算法,对数据属性实施特征选择同时实施稀疏聚类,融入空间距离代替传统的欧氏距离,固定权值向量,对聚类中心的不断优化,获取更为准确的光纤大数据分类结果。实验结果说明,所提算法对高维光纤大数据具有较高的分类效率和准确度,并且稳定性较高。

光纤网络大数据的线性均衡聚类调度优化方法

为了提高光纤网络大数据聚类调度能力,提出光纤网络大数据的线性均衡聚类调度的优化方法。构建光纤网络大数据的模糊信息检测模型,采用高阶统计量特征提取方法进行光纤网络大数据的模糊相关性分析,构建光纤网络大数据的输出自相关特征匹配模型,结合线性均衡调度分析方法进行光纤网络大数据的统计分析,建立光纤网络大数据的回归分析模型,提取光纤网络大数据的统计特征量,根据光纤网络大数据的特征提取结果,采用线性均衡调度结合残差融合算法的方法进行光纤网络大数据聚类调度的自适应寻优,实现光纤网络大数据聚类调度优化。实验结果表明,采用该方法进行光纤网络大数据调度输出均衡性最高可达到97%,特征分辨率最高可达到99%,调度精度最高可达到100%,在一定程度上可以提高光纤网络大数据的挖掘和检测能力。

基于机器学习的光纤故障大数据分类算法研究

为了提高光纤故障诊断能力,提出一种基于机器学习的光纤故障大数据分类算法。对采集的光纤网络传输数据进行低维度的特征集构造,构建光纤故障分布大数据库,对光纤故障数据库中的异常数据特征集采用加权统计分析方法进行样本回归分析;以少量的样本类别数据为测试集,采用层次聚类方法对光纤故障大数据进行极端随机数分析;对全部的故障样本进行抽样训练,提取光纤故障大数据的关联特征量,结合K-means算法和最近邻算法进行数据聚类中心扰动性分析;将光纤故障大数据的特征提取结果输入到机器学习器中进行数据分类,结合大数据融合聚类方法实现光纤故障大数据分类。仿真结果表明,采用该方法进行光纤故障大数据分类的准确性较高,误分率较小,提高了故障检测识别能力。

基于模糊K-Means聚类的光纤大数据分类平台设计

光纤大数据分类容易出现稳定性差以及容易陷入局部最佳解问题,为了提高光纤大数据分类性能,设计基于模糊K-Means聚类的光纤大数据分类平台,平台数据采集器通过太网管制芯片CP2200和单片机C8051F340采集光纤大数据,并将数据传递给采用SOA体系结构的服务端为大数据分类提供服务基础,服务端通过传输接口将光纤数据传递给逻辑处理端,逻辑处理端接收到光纤数据后,通过云计算获取网络光纤大数据特征类型,同时结合软件设计的基于Witten框架的改进模糊聚类算法流程,制定光纤大数据分类标准,实现待分类光纤大数据的有效分类。平台软件给出基于Witten框架的改进模糊聚类算法分类光纤大数据的详细过程,先对光纤数据属性实施特征选择同时实施稀疏聚类,再融入空间距离代替传统欧氏距离,固定权值向量,不断优化聚类中心,获取准确的光纤大数据分类结果。实验结果说明,采用该平台分类高维光纤大数据的平均F-Measure值和平均准确率值分别达到0.9733和0.9641,分类性能佳。

智慧校园智能化设计

通过对智慧校园总体框架的分析,提出智慧校园智能化设计要点。结合教学要求,总结现行主流信息技术,提出采用光传输网络建设校园网络,应用物联网、大数据、云计算、人工智能建设互联网教学环境的思路,总结智慧校园数据中心的设计内容和要点,分析校园物联网的拓扑结构,为智慧校园建设提供借鉴。

云计算光纤网络中大数据异常负载检测模型

云计算光纤网络中大数据出现异常负载时容易导致网络中断,为了确保光纤网络的连通性,提出一种基于高阶统计量特征提取的云计算光纤网络中大数据异常负载检测模型。采用非线性时间序列分析方法进行云计算光纤网络中大数据异常负载信息流建模,对异常负载信息流采用高阶统计量分析方法进行特征重构;采用时频分析方法提取异常负载的统计特征量,结合极限学习方法进行异常负载检测的自适应修正,在滑动平均窗口中进行云计算光纤网络大数据异常负载的谱密度分析和特征检测;根据高阶统计量的异常谱分布实现大数据异常负载检测。仿真结果表明,采用所提方法进行云计算光纤网络中大数据异常负载检测的准确性较高,抗干扰能力较强,整体更具优势。

大数据背景的光纤通信流量异常辨识研究

采用空时网格编码方法辨识异常光纤通信流量时,低于大数据背景中噪声干扰的能力差,辨识结果误差高、稳定性差。深入研究大数据背景的光纤通信流量异常辨识方法,构建基于LSSVM的光纤通信网络流量挖掘模型,挖掘大数据中光纤通信流量,采用小波变换对挖掘出的光纤通信网络流量实行去噪后,依据光纤通信流量的相对熵通过训练与辨识两个过程辨识异常流量。实验结果表明,所提方法的辨识值与实际值相同,可有效辨识大数据背景的光纤通信异常流量,且鲁棒性高达99%以上、辨识准确率均值超过99%、辨识耗时少,具有较高的鲁棒性、准确率和辨识效率。

基于密码杂凑函数的光纤传感大数据异常监测系统

已有光纤传感大数据异常监测系统由于数据异常检测响应过慢,导致数据异常预警延迟时间过长,无法满足现今社会生产需求,因此提出了基于密码杂凑函数的光纤传感大数据异常监测方法。引入密码杂凑函数设计光纤传感大数据异常监测系统,其硬件单元包括光传感单元、系统控制单元与数据采集单元;软件模块包括光纤传感大数据采集模块、光纤传感大数据压缩模块与光纤传感大数据异常监测模块。通过硬件单元与软件模块的设计,实现了光纤传感大数据异常监测系统的运行。实验结果显示:设计系统数据异常监测响应时间与预警延迟时间较短,分别在0.16 s和1.24 s内,充分说明设计系统具备更加优质的应用性能。

基于光纤传输的大数据均衡合理调度模型设计

光纤传输的大数据受到传输信道的多径扩展影响导致调度的时延和误差较大,为了提高光纤传输的大数据调度和无损传输能力,提出一种基于直接随机序列扩频的大数据均衡合理调度模型,结合传输信道均衡算法进行光纤传输性能的优化设计,构建光纤传输的信道模型,采用多径干扰抑制方法进行光纤传输的大数据调度抗干扰设计,采用直接序列扩频和波特间隔均衡控制技术进行光纤传输通信系统的大数据传输和自适应调度,构建光纤网络传输大数据的信道均衡控制模型,计算大数据均衡合理调度的自适应加权系数,进行光纤网络传输大数据传感融合识别,实现对光纤传输网络的大数据均衡合理调度。仿真实验表明,该方法能提高光纤传输网络中大数据调度的均衡性,输出误码较低,提高了光纤传输的质量。

6912芯光缆的关键技术

为了满足超大数据中心之间超大容量数据传输需要,研究人员开发出涂覆直径为200μm的6912芯光缆。介绍了200μm光纤结构与性能和蜘蛛网光纤带结构、光纤识别及左右双向(SZ)绞合等关键技术。经机械性能和环境性能测试,结果表明6912芯光缆性能符合光缆标准和实际使用要求。

大数据分析技术的光纤传感谱形复用技术研究

光纤传感谱形复用研究属于传感网络设计里的核心问题,针对当光纤传感谱形复用技术存在的误差大,耗时长等缺陷,结合光纤传感谱形复用的特点,设计了一种基于大数据分析技术的光纤传感谱形复用技术。首先采用大数据分析技术得到法得到光纤传感重叠光谱数据,并对其进行一定的预处理,然后引入粒子群算法对光纤传感重叠光谱数据实施光纤传感谱形复用解调,从而优化光纤传感谱形复用性能,最后与其它技术进行了仿真对比实验,结果表明:本文技术对低维、高维的光纤传感谱形复用数据分类精度高,在解调2个光纤传感谱形复用时,误差低,耗时少,速度快,获得了多光纤传感谱形复用理想的解调效果。