一种基于深度学习的光端机设备故障预测方法

本发明涉及一种基于深度学习的光端机设备故障预测方法，包括接收光端机的历史运行性能指标数据和历史环境状态监测数据并预处理；从光端机的历史运行性能指标数据和历史环境状态监测数据通过自适应大小的时间滑动窗口获得待测运行性能指标数据序列和待测环境状态监测数据序列；将待测运行性能指标数据序列分别输入LSTM模型和第一TCN模型进行特征提取，得到全局特征序列和局部特征序列，将待测环境状态监测数据序列输入第二TCN模型进行特征提取，得到外部因素特征序列，利用预设的加权因子将全局特征序列、局部特征序列和外部因素特征序列进行加权融合得到融合特征序列，将融合特征序列输入基于特征维度注意力和时间维度注意力的Transformer编码器，输出预测结果，本发明可以显著提高预测结果的准确性。