利用机器学习预测光网络中的信号丢失
网络与互联网体系结构
2022-05-10 v2 机器学习
摘要
信号丢失（LOS）对光网络运营商而言是一项显著的成本。通过研究从六个国际光网络收集的大规模真实性能监测（PM）数据，我们发现利用监督机器学习（ML）可在 LOS 事件发生前 1–7 天以较好的精度预测其发生，尽管召回率相对较低。我们的研究涵盖十二种设施类型，包括 100G 线路与 ETH10G 客户端。我们表明，相较于在单一网络上训练，在多个网络上同时训练时给定网络的精度有所提升。此外，我们证明可使用单一模型预测所有设施类型与所有网络的 LOS，而针对特定设施或网络进行微调仅带来有限改进。因此，我们的 ML 模型对模型此前未知的光网络仍保持有效，这使其可用于商业应用。
引用
@article{arxiv.2201.07089,
title = {Forecasting Loss of Signal in Optical Networks with Machine Learning},
author = {Wenjie Du and David Cote and Chris Barber and Yan Liu},
journal= {arXiv preprint arXiv:2201.07089},
year = {2022}
}
备注
Published in the Journal of Optical Communications and Networking (JOCN), https://doi.org/10.1364/JOCN.423667