Temporal data-driven failure prognostics using BiGRU for optical networks
Temporal data-driven failure prognostics using BiGRU for optical networks
复制标题
使用 BiGRU 进行光网络的时间数据驱动的故障预测
DOI：
10.1364/jocn.390727
复制
发表时间：
2020-07
影响因子：
5
通讯作者：
Zhang Min
中科院分区：
文献类型：
--
作者：
Zhang Chunyu;Wang Danshi;Wang Lingling;Song Jianan;Liu Songlin;Li Jin;Guan Luyao;Liu Zhuo;Zhang Min
针对光网络中发生的业务中断问题，从时间序列处理的角度提出了一种基于双向选通递归单元（BiGRU）的故障检测方案，该方案利用了网络运营商的实际数据集。BiGRU神经网络可以捕获多源数据的时间特征，并结合上下文信息。引入主成分分析来降低数据的维数。实验结果表明，该方法的平均故障率、F1值、误报率和漏报率分别为99.61%、99.63%、0.29%和0.84%，证明了该方法在光网络设备故障诊断中的可行性。
With a focus on service interruptions occurring in optical networks, we propose a failure prognostics scheme based on a bi-directional gated recurrent unit (BiGRU) from the perspective of time-series processing, which leverages actual datasets from the network operator. BiGRU neural networks can capture the temporal features of multi-sourced data and incorporate contextual information. A principal component analysis is introduced to reduce the data dimensionality. Experimental results show that the average accuracy of the prognostics, F1 score, false positive rate, and false negative rate of our method are 99.61%, 99.63%, 0.29%, and 0.84%, respectively, which proves the feasibility of the proposed scheme for failure prognostics of equipment used in optical networks.
登录
查看更多内容
影响因子：
3.7
作者：
M. Timmerman
通讯作者：
M. Timmerman
影响因子：
3.2
作者：
Abdi, Herve;Williams, Lynne J.
通讯作者：
Williams, Lynne J.
影响因子：
4.7
作者：
F. Musumeci;C. Rottondi;Giorgio Corani;S. Shahkarami;F. Cugini;M. Tornatore
通讯作者：
F. Musumeci;C. Rottondi;Giorgio Corani;S. Shahkarami;F. Cugini;M. Tornatore
影响因子：
3.9
作者：
Zhang, Senlin;Wang, Yixing;Bao, Zhejing
通讯作者：
Bao, Zhejing
DOI：
10.1364/jocn.8.000137
发表时间：
2016-03
期刊：
IEEE/OSA Journal of Optical Communications and Networking
影响因子：
--
作者：
M. Zhu;Jiao Zhang;Dongpeng Wang;Xiaohan Sun
通讯作者：
M. Zhu;Jiao Zhang;Dongpeng Wang;Xiaohan Sun