一种基于深度学习的光网络多光路传输质量预测方法

本发明提供一种基于深度学习的光网络多光路传输质量预测方法，涉及光网络传输领域。该方法包括：获取光网络状态数据进行处理，得到训练集；构建基于残差神经网络、自适应掩码注意力机制和U形对称网络的MAAResU‑Net模型，利用训练集对构建的MAAResU‑Net模型进行训练；在训练过程中，通过残差神经网络深度提取光网络状态数据特征后，应用自适应掩码注意力机制自适应的过滤未开通的光路、计算不同特征的重要性以及链路与信道之间的依赖关系，再采用U形对称网络进行上采样与残差融合恢复特征空间后，采用区间回归策略进行每个光路的QoT预测；利用训练好的MAAResU‑Net模型预测光路的QoT指标值。这样，能够实现光网络多光路QoT高精度预测。