云計算環(huán)境下的海量光纖通信故障數(shù)據(jù)挖掘算法研究

云計算環(huán)境下的海量光纖通信故障數(shù)據(jù)挖掘算法研究

摘要：本文基于云計算環(huán)境下的海量光纖通信故障數(shù)據(jù)信道模型，分析了數(shù)據(jù)挖掘算法的改進設(shè)計，對于故障數(shù)據(jù)的處理具有重要的參考與借鑒價值。關(guān)鍵詞：云計算；光纖通信；故障；數(shù)據(jù)挖掘算法在實際的應(yīng)用過程中，數(shù)據(jù)挖掘技術(shù)主要是結(jié)合海量數(shù)據(jù)的某些特征，進行數(shù)據(jù)的提取，從而獲得對生產(chǎn)生活較為有利的信息，作為相關(guān)決策等的有效參考。云計算環(huán)境下，光纖通信具有數(shù)據(jù)量龐大、傳輸交流頻繁的特征，但是其在通信過程中極易受到其他因素的干擾，常常導致通信故障，數(shù)據(jù)挖掘技術(shù)的應(yīng)用可以將光纖通信中的干擾因素影響降至最低，實現(xiàn)光纖通信的故障診斷與處理。1信道模型及故障數(shù)據(jù)時間序列分析1.1信道模型為了實現(xiàn)對云計算環(huán)境下海量光纖通信故障數(shù)據(jù)的有效挖掘，需要光纖數(shù)據(jù)傳輸?shù)幕A(chǔ)上構(gòu)建科學的通信信道模型，使得光纖通信過程中能夠?qū)崿F(xiàn)故障數(shù)據(jù)的采集，結(jié)合故障的實際情況，進行相關(guān)故障問題的處理，實現(xiàn)光纖通信的通暢性與高效性。光纖通信信道為擴展信道，其在信道的傳播模式上，采用的是多輸入多輸出的方式，就光纖通信信道的特征來講，其主要包含了兩個方面的特征：為帶寬受限信道，在傳播過程中對于頻率較高的信號存在較大的吸收系數(shù)；傳播受到距離的約束，因此，具有多徑傳輸?shù)奶匦?，在傳播過程中極易受到電磁場干擾等的影響，加大了通信故障的發(fā)生概率。光纖通信過程中，由于信道為多徑結(jié)構(gòu)，該結(jié)構(gòu)的形成主要是由于網(wǎng)絡(luò)節(jié)點的信道傳播衰減所造成的。1.2信號模型及時間序列分析在建立了云計算環(huán)境下的海量光纖通信信道模型以后，可以在此基礎(chǔ)上建立相應(yīng)的信號模型。在云計算環(huán)境下海量光纖通信狀態(tài)的識別與故障的診斷上，需要首先進行信號的檢測采集獲取，進而根據(jù)信號處理的相關(guān)算法進行光纖通信狀態(tài)的識別與判斷。2光纖通信故障數(shù)據(jù)挖掘算法改進設(shè)計2.1問題的提出及故障數(shù)據(jù)時頻分析在構(gòu)建了云計算環(huán)境下的海量光纖通信的信道模型與故障數(shù)據(jù)時間序列的基礎(chǔ)上，有必要進行相關(guān)故障數(shù)據(jù)挖掘算法的改進設(shè)計。由于在云計算環(huán)境背景下，光纖通信具有數(shù)據(jù)規(guī)模龐大、擾動性極強等特點，這也就加劇了數(shù)據(jù)通信故障的出現(xiàn)概率，故障數(shù)據(jù)的挖掘算法可以有效實現(xiàn)故障的定位與識別，進而保證了數(shù)據(jù)傳輸?shù)臏蚀_性，提高了光纖通信的整體水平。就目前來看，在故障數(shù)據(jù)的提取上，一般采用的是正態(tài)相關(guān)狀態(tài)特征的提取方式，在具體的應(yīng)用中，由于光纖通信故障數(shù)據(jù)的耦合性較強，這就使得正態(tài)相關(guān)狀態(tài)特征不能完全滿足于云計算環(huán)境下光纖通信故障數(shù)據(jù)的挖掘操作，影響了光纖通信中故障問題的識別與處理。因此，為了有效解決此類問題，就需要進行數(shù)據(jù)挖掘算法的改進，本研究中采用的是非線性時間序列模型的分析方式，主要通過對故障數(shù)據(jù)的時域與頻域分析來實現(xiàn)故障的處理。2.2故障數(shù)據(jù)的經(jīng)驗?zāi)B(tài)分解和故障特征聚類隨著對云計算環(huán)境下的海量光纖通信故障時頻的分析，以功率譜密度為特征進行故障數(shù)據(jù)的提取，可以得到有關(guān)的功率譜密度特征的提取結(jié)果與傳遞函數(shù)，進而在此情況下可以進行相關(guān)海量光纖通信故障數(shù)據(jù)的特征聚類，為后期故障的識別、分析與處理提供了重要的數(shù)據(jù)參考。3仿真實驗與結(jié)果分析在本文的模型中，需要檢測其模型在云計算環(huán)境下的海量光纖通信數(shù)據(jù)挖掘性能，就需要進行必要的仿真實驗，使用matlab仿真軟件，嚴格根據(jù)實驗的整體要求，進行實驗狀態(tài)下軟件與硬件環(huán)境的控制。在實驗狀態(tài)下，將云計算環(huán)境下的海量光纖網(wǎng)絡(luò)通信節(jié)點分布在3000m×3000m的均勻陣列區(qū)域內(nèi)，而以光纖通信頻帶在2KHz與10KHz為研究對象，將載頻時寬控制在2ms的范圍內(nèi)，而故障數(shù)據(jù)挖掘歸一化以后的初始頻率分別為0.05/0.15，在這種條件下，確定故障數(shù)據(jù)的采樣點數(shù)N=256，光纖通信過程中受到較為嚴重的電磁干擾，其信噪比在-10dB～10dB之間，結(jié)合此仿真相關(guān)參數(shù)，可以進行必要的仿真實驗。故障數(shù)據(jù)時間序列采樣以后，得到了如下結(jié)果：圖1光纖通信數(shù)據(jù)的時域采樣波形將云計算環(huán)境背景下的海量光纖通信數(shù)據(jù)作為研究的對象，進行相關(guān)的數(shù)據(jù)研究，得到故障數(shù)據(jù)的非線性時間序列分析模型，進而在此基礎(chǔ)上進行故障數(shù)據(jù)的時域與頻域分析，以功率譜密度作為特征提取，得到圖2的結(jié)果。圖2海量光纖通信故障數(shù)據(jù)的功率譜密度特征提取結(jié)果從圖中可以看出，應(yīng)用本研究所采用的海量光纖通信故障數(shù)據(jù)的特征提取方式，對云計算環(huán)境下的海量光纖通信中的故障數(shù)據(jù)的經(jīng)驗?zāi)B(tài)分解與故障特征聚類，在一定程度上驗證了此數(shù)據(jù)故障挖掘算法的可行性，并且經(jīng)過相應(yīng)的模擬分析，可以得到該數(shù)據(jù)挖掘算法具有較高的精度，可以在云計算環(huán)境下的海量光纖通信故障數(shù)據(jù)的處理中得到良好的應(yīng)用效果，能夠?qū)崿F(xiàn)對故障數(shù)據(jù)的分析與識別，保證光纖通信的整體效率與質(zhì)量。另外，在有些時候，在云計算環(huán)境下的海量光纖通信故障數(shù)據(jù)的處理也采用手動逐層挖掘與CART算法的數(shù)據(jù)挖掘技術(shù)，在實際的應(yīng)用中，主要是利用決策二叉樹的方式進行數(shù)據(jù)挖掘，很多應(yīng)用實踐證明，這種數(shù)據(jù)挖掘算法的應(yīng)用效果雖然也較好，誤碼率較低，平穩(wěn)定較好，但是其在挖掘過程中與本研究的挖掘算法相比，具有耗時長的劣勢，其主要適用于數(shù)據(jù)量較小的情況，而本文的數(shù)據(jù)挖掘算法對于云計算環(huán)境下的海量數(shù)據(jù)挖掘情況更為適用。結(jié)束語：隨著經(jīng)濟社會的發(fā)展，光纖通信的普及率較高，由于光纖通信過程中極易受到外部因素的影響，使得其信號傳輸面臨著極大的阻礙。因此，云計算環(huán)境下的海量光纖通信故障數(shù)據(jù)挖掘具有實施的必要性，數(shù)據(jù)挖掘算法的改進可以實現(xiàn)對故障數(shù)據(jù)的分析與處理，提升了其應(yīng)用效果。參考文獻：[1]