基于神经网络识别的地下通信光缆故障定位研究

摘要：

通信光缆作为高速传输数据的传输媒介,已经成为光通信基础设施中不可或缺的组成部分,使用光时域反射计(Optical Time-Domain Reflectometer,OTDR)很难追踪地下光缆中的故障.基于国内外研究现状,提出了一种神经网络模式识别的方法来预测地下通信光缆故障的实际位置,使用均方误差和平均绝对误差(Mean Absolute Error,MAE)评估矩阵对预测精度进行评估.以柳州供电局通信数据集为例,对故障定位模型进行了验证.结果表明,该方法可以快速发现地下通信光缆故障,降低了故障跟踪过程中的延迟,从而减少过多的能耗损失.

关键词：通信光缆、线性回归、机器学习、故障定位

所属期刊栏目：39

分类号：TN818;TM734;TP391.41

资助基金：中国南方电网公司科技计划项目GXKJXM-20170320

在线出版日期：2023-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：95-98