本发明涉及宽带管理,特别涉及一种光电宽带运维管理平台系统。
背景技术:
1、随着互联网技术的发展与普及,宽带技术也有了明显的进步,宽带资费降低,越来越多的人们办理宽带进行上网。
2、随着我国宽带用网人数的不断增加,接入宽带的客户终端的数量不断增加,使得对宽带的管理难度越来越大,同时也使得客户终端的网络性能出现异常的几率大大提高,传统的宽带监管平台并不能够实现对接入的客户终端的网络性能数据的实时监测;
3、并且目前宽带监管平台的操作人员的权限划分不明确,导致对宽带的监管和操作出现混乱,使客户蒙受经济损失。
4、因此,目前急需一种宽带管理系统解决上述问题。
技术实现思路
1、本发明提供一种光电宽带运维管理平台系统,用以解决上述背景技术的情况。
2、本发明提出一种光电宽带运维管理平台系统,包括:
3、一种光电宽带运维管理平台系统,包括:
4、光电宽带检测模块:用于建立城市光电宽带的综合网络管廊,并通过综合网络管廊获取城市光电宽带的宽带数据,判断光电宽带是否存在异常;其中,
5、宽带数据包括分布数据、结构数据和运行异常数据;
6、数据融合挖掘模块:用于将综合网络管廊的宽带数据通过时间序列数据融合算法进行数据融合,确定融合后宽带数据的数据特征,并确定异常因子;
7、宽带运维优化模块:用于根据数据特征和异常因子,构建城市光电宽带的知识图谱,并基于知识图谱,确定城市光电宽带的运维策略。
8、优选的,所述综合网络管廊包括:
9、光纤配设单元:用于在地下光纤通道中每个光纤节点配设一个光纤标识桩;其中,
10、光纤标识桩用于记录光纤流量传输数据和光纤探测信息;
11、光纤影像采集单元:用于在地下光纤通道中配设轨道,并在轨道上设置光纤影像采集设备,进行光纤设备巡检;其中,
12、包括光纤影像采集设备包括:影像取得部和影像分析部;
13、影像取得部用于取得拍摄到的光纤的影像数据;
14、影像分析部用于影像数据的影像中检测光纤异常,确定检测出的异常内容。
15、优选的,所述检测光纤异常包括如下步骤:
16、步骤1:将影像数据转化为光纤的矢量图形,并确定矢量数据;
17、步骤2:根据预设的对比模型判断矢量数据的是否符合光纤预设标准,并呈现质检结果;
18、步骤3:根据质检结果采集光纤视频影像,得到光纤动态实时影像数据;
19、步骤4:通过对光纤实时影像数据在预设数据分析模型下进行分析,得到光纤异常位置数据;
20、步骤5:根据光纤异常位置数据,导入预设的大数据模型进行异常识别,确定异常因子。
21、优选的,所述运行异常数据包括如下获取步骤:
22、获取待检测光纤的工作状态数据;
23、获取待检测光纤中每个位置的传感数据和影像数据;
24、基于传感数据确定光纤每个位置在时间轴上流量的第一曲线,以及光纤每个位置在时间轴上温度的第二曲线;
25、判断第一曲线和第二曲线是否符合预定条件;其中,
26、将不符合预定条件对应的光纤实时检测数据对应的状态情况作为光纤异常检测结果;其中,
27、预定条件不低于一个,每个预定条件对应光纤的至少一种异常情况。
28、优选的,所述数据融合包括:
29、对光纤进行分布分析,建立光纤分布模型;其中,
30、光纤分布模型包括多个子光纤管控段,每个光纤管控段对应两个相邻光纤标识桩之间的光纤网络;
31、按照设定的时间监测点采集每一个时间监测点的宽带数据,并采用拉依达准则识别出宽带数据中每一类型数据,确定数据产生位置;
32、根据数据产生位置进行匹配,将多个监测时间点的宽带数据统一到一个数据集下,得到统一后的宽带变化值;
33、基于统一后的宽带变化值,构建光纤管控段的时间序列曲线,通过时间序列曲线;其中,
34、时间序列曲线的每个时间点融合在不同时间段当前光纤管控段的多种宽带变化值的在融合后的标准差;
35、根据时间序列曲线,确定对应光纤管控段的融合数据特征,并将融合数据特征作为融合数据。
36、优选的,所述异常因子包括如下判定步骤:
37、获取数据融合后的融合数据特征,获取融合数据特征中的宽带变化值;
38、根据宽带变化值确定光电宽带的形变变化特征,确定不同变化特征对应的异常事件,其中,
39、异常事件用于表征光电宽带产生异常的因素;
40、通过预先搭建的回归模型对异常事件进行筛选判定,筛选得到异常因子,其中,
41、异常因子用于表征光电宽带产生异常的直接因素;其中,
42、异常因子包括单个异常因素或多个关联的非因素的协同作用下产生的协同异常因素;
43、通过已训练的异常识别模型对异常事件进行处理,得到异常事件的特征序列,并按特征序列自大到小选取至少一个异常因子作为目标异常因子,其中,
44、已训练的异常识别模型被训练为用于根据异常事件提取与该异常因子对应的特征序列,特征序列用于表征该异常事件中不同因素对光电宽带产生异常的参与度。
45、优选的,所述知识图谱包括如下搭建步骤:
46、获取历史光电宽带故障的数据特征和异常因子,基于进行编码向量化处理,确定对应的特征向量;其中,
47、特征向量为对数据特征和异常因子进行编码向量化的表征识别参数;
48、基于分布因素提取模型提取特征向量中的分布序列特征;
49、采用结构特征提取模型提取特征向量中的结构序列特征;
50、拼接分布序列特征和结构序列特征,获得光电宽带的表征序列特征;
51、通过表征序列特征,获得三元组序列;其中,
52、三元组序列由分布-结构-异常构成,根据不同异常多个三元组序列构成完整的知识图谱。
53、优选的,所述运维策略包括如下生成步骤:
54、根据知识图谱,获取光电宽带的不同分布位置的状态量数据和光纤基础信息;
55、根据知识图谱,获取光电宽带的不同结构位置的异常风险因子;
56、根据异常风险因子、状态量数据和光纤基础信息提取光电宽带的综合数据信息,并根据综合数据信息和时间序列构建二维图像训练数据集;
57、采用二维图像训练数据集训练预置卷积神经网络模型,得到优化卷积神经网络模型;其中,
58、预置卷积神经网络模型的优化模型参数根据人工鱼群-萤火虫算法优化训练得到;
59、将当前获取的实时综合数据信息输入所述优化卷积神经网络模型中进行运维策略分析,得到优化运维策略。
60、优选的,所述系统还包括:
61、通过综合网络管廊,对光电宽带的网络流量进行采样,得到网络流量的动态变化图谱;
62、根据经验模态分解算法对动态变化图谱进行流量分流状态分析,确定分析后的网络流量的流量路径;
63、根据三次插值算法对分析后的网络流量进行细粒度的流量路径统计,确定每个用户的流量使用数据,生成流量报告。
64、优选的,所述流量路径包括如下分析步骤:
65、根据经验模态分解算法对动态变化图谱上网络流量在不同节点的分流限度和分流区间进行分解判定;
66、根据分解判定的结果,确定网络流量在不同节点的分流成分分量和使用用户的关联系数;
67、根据关联系数和分流成分分量,进行流量走向索引,确定流量路径。
68、本发明的有益效果在于:
69、本发明能够实现光电宽带的快速运维管理和异常因子的快速识别,实现对光带宽带设备的快速管控,通过对光电宽带的快速管控判断光电宽带是否存在宽带异常,在存在宽带异常的时候,基于知识图谱,生成运维管控的管控策略。
70、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
71、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。