买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网福建省电力有限公司;国网福建省电力有限公司福州供电公司;国网信通亿力科技有限责任公司申请的专利一种基于机器学习技术的通信故障定位系统及其相应方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118890087B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410930662.2，技术领域涉及：H04B10/079；该发明授权一种基于机器学习技术的通信故障定位系统及其相应方法是由黄莘程;侯功华;赵辉;杨力帆;黄剑雄;柯颖;王慕玉;李恺;林昕怡;颜机灵;钱思源;杨帆;陈微;林升勇;柴国财;徐磊;卢昕;杨林满;沈苏阳;单炜;游露倩;张宏烨;赖沁玲;陈稳;林琳;吴诗尧;苏国炀设计研发完成，并于2024-07-11向国家知识产权局提交的专利申请。

本一种基于机器学习技术的通信故障定位系统及其相应方法在说明书摘要公布了：本发明涉及光通信网络故障排查技术领域，公开了一种基于机器学习技术的通信故障定位系统及其相应方法，其相应方法，包括以下步骤：按照固定的采样周期，从光通信网络中采集原始数据；处理原始数据获得光通信网络中的每个节点的节点特征；生成特征集合，特征集合包括光通信网络中所有节点的节点特征，并且这些节点特征来源于同一个采样周期内的原始数据，生成多个训练样本。本发明利用可解释性算法分析节点特征对网络故障识别模型输出的贡献，能够提供更具解释性的故障定位结果，帮助运维人员理解故障发生的原因和影响范围，加快问题定位和修复的速度，提高工作效率，更好地处理大规模数据并具备实时性。

本发明授权一种基于机器学习技术的通信故障定位系统及其相应方法在权利要求书中公布了：1.一种基于机器学习技术的通信故障定位方法，其特征在于，包括以下步骤： S100，按照固定的采样周期，从光通信网络中采集原始数据； S200，处理原始数据获得光通信网络中的每个节点的节点特征； 在步骤S200中，所述节点特征以向量的形式表示，第i个节点特征的第1~4个分量分别表示第i个节点的接口流量速率、接口错包率、转发吞吐量和内部处理时延； 网络包含N个节点，第i个节点特征的第5~N+4个分量分别表示第i个节点特征与其他N-1个节点的端到端丢包率，第i个节点特征的第N+5~2N+4个分量分别表示第i个节点特征与其他N-1个节点的端到端时延； S300，生成特征集合，特征集合包括光通信网络中所有节点的节点特征，并且这些节点特征来源于同一个采样周期内的原始数据，生成多个训练样本，并为训练样本标记光通信网络故障类型，一个训练样本包括一个特征集合； S400，通过训练样本训练网络故障识别模型，网络故障识别模型输入一个特征集合，并输出光通信网络故障类型，该光通信网络故障类型表示该特征集合对应的采样周期内光通信网络故障类型，光通信网络故障类型包括：无故障、单一链路拥塞故障、单一路由器故障、综合故障； 在步骤S400中，所述网络故障识别模型的计算公式如下： ； 其中表示第i个节点的编码特征，表示第一权重参数，和分别表示第i个和第j个节点的节点特征，表示与第i个节点直接连接的节点的集合，表示中的节点总数，，tanh表示双曲正切函数，表示可调参数；的缺省值为1v，v为节点特征的维度，表示激活函数，T表示转置； ； 其中，表示第二权重参数，表示所有节点的编码特征的拼接向量，表示预测输出，，、、、分别表示四个光通信网络故障类型的概率值； S500，利用可解释性算法分析节点特征对网络故障识别模型输出的贡献，获得贡献数据； S600，输入待识别的采样周期对应的特征集合到步骤S400中训练完成的网络故障识别模型中获得待识别的采样周期的光通信网络故障类型，识别的结果是无故障则终止步骤，否则进入下一步骤； S700，将贡献数据和节点特征输入故障定位模型中，故障定位模型输出该节点特征对应的节点的故障类型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网福建省电力有限公司;国网福建省电力有限公司福州供电公司;国网信通亿力科技有限责任公司，其通讯地址为：350003 福建省福州市鼓楼区五四路257号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。