貝葉斯網(wǎng)絡(luò)模型下的WDM網(wǎng)絡(luò)故障定位算法研究.pdf

1、如何降低故障對(duì)業(yè)務(wù)的影響，提高波分復(fù)用(Wavelength Division Multiplexing，WDM)網(wǎng)絡(luò)的生存性，是網(wǎng)絡(luò)管理面臨的重要挑戰(zhàn)?？焖贉?zhǔn)確的故障定位是網(wǎng)絡(luò)生存性技術(shù)實(shí)現(xiàn)的前提，是近年來(lái)研究的熱點(diǎn)和重點(diǎn)。本文主要研究了不確定性網(wǎng)絡(luò)故障定位技術(shù)，利用貝葉斯網(wǎng)絡(luò)對(duì)故障與告警征兆間的不確定性關(guān)系進(jìn)行建模，設(shè)計(jì)嚴(yán)密準(zhǔn)確的推理算法，以降低定位資源開(kāi)銷和提高定位性能為目標(biāo)，實(shí)現(xiàn)光網(wǎng)絡(luò)中高精度的快速故障定位。
　　 在不

2、確定性網(wǎng)絡(luò)故障定位技術(shù)研究中，優(yōu)化故障傳播模型和不確定性推理方法，可以降低計(jì)算復(fù)雜度，提高故障定位性能。本文提出了一種基于貝葉斯征兆解釋度的鏈路故障定位算法，該算法采用簡(jiǎn)化貝葉斯網(wǎng)絡(luò)模型作為故障傳播模型，對(duì)網(wǎng)絡(luò)中的鏈路故障和告警征兆間的不確定性因果關(guān)系進(jìn)行準(zhǔn)確的建模。并在此基礎(chǔ)上，定義參數(shù)貝葉斯征兆解釋度，更全面地表達(dá)了鏈路故障與征兆之間的關(guān)系。最后，利用該參數(shù)進(jìn)行故障判定，實(shí)現(xiàn)了鏈路故障定位。由于使用簡(jiǎn)化貝葉斯網(wǎng)絡(luò)模型和基于業(yè)務(wù)狀態(tài)產(chǎn)

3、生的告警，該算法具有較低的計(jì)算復(fù)雜度和較小的定位資源開(kāi)銷。同時(shí)仿真表明，所提算法具有更高的故障檢測(cè)率和較低的故障誤檢率。
　　 最大故障集合由與網(wǎng)絡(luò)中所有告警征兆相對(duì)應(yīng)的故障組成。故障定位就是從最大故障集合中挑選出一個(gè)能解釋所有告警的最小故障集的過(guò)程。在不確定性網(wǎng)絡(luò)故障定位的過(guò)程中，降低冗余故障對(duì)故障判定的影響，能有效地提高故障定位性能。因此，本文提出了一種雙參數(shù)篩選判定的WDM網(wǎng)絡(luò)鏈路故障定位算法。該算法創(chuàng)新性地將故障定位過(guò)程

4、細(xì)分為故障預(yù)測(cè)、故障篩選和故障定位三個(gè)階段。在預(yù)測(cè)階段使用簡(jiǎn)化的貝葉斯網(wǎng)絡(luò)模型二分圖，根據(jù)收集到的告警征兆集合，快速預(yù)測(cè)出最大故障集合。在篩選階段，引入?yún)?shù)覆蓋范圍表示故障發(fā)生的可能性，設(shè)定閾值以保留較大參數(shù)值對(duì)應(yīng)的故障，實(shí)現(xiàn)了對(duì)最大可能故障集合的處理，完成了故障篩選，減小了冗余故障對(duì)故障定位的影響。在定位階段，定義了新的參數(shù)故障信息熵差，并依據(jù)該參數(shù)實(shí)現(xiàn)了故障的判定。仿真結(jié)果表明，該算法在不同隨機(jī)網(wǎng)絡(luò)中能穩(wěn)定地表現(xiàn)出較高故障檢測(cè)率，且