本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘 要：随着网络运维要求的提高，传统的被动故障处理和人工巡检已无法满足需求，因此提出了基于AI的主动预防方法。首先分析了传统巡检手段的局限性，随后提出一个AI预测光传输链路劣化隐患的设计思路，该思路包括数据采集、任务管理、AI预测和风险呈现及上报等模块。实际应用效果表明，AI回归算法预测KPI的准确率可达96%，而高风险隐患预测准确率为75%，显示了AI技术在网络运维中的潜力和提升空间。研究结果表明，AI技术能够有效识别传统巡检难以发现的缓慢劣化类链路风险隐患，提升网络运维的主动性和效率。
关键词：传输隐患；智能分析；人工智能；大数据；网络运维
doi：10.12045/j.issn.1007-3043.2024.12.014
概述
在日常网络维护中，绝大多数网络故障都是事后处理，即在发生故障后再根据故障产生的告警来定界定位故障的网元、故障位置，分析故障的原因。但随着新时代的到来，对网络运维的要求越来越高，网络质量对客户投诉有着最直接的影响，所以网络运维不能再停留在被动的故障处理中，而要对主动性预防提出新的要求。传统的主动预防主要是人工巡检，即通过人工对大量性能 KPI 数据进行分析检测，来确定所有传输链路是否存在风险和隐患。但由于人工的效率较低，而设备的日常KPI数据量过于庞大，导致能够分析出的风险和隐患较少，很多轻微劣化、缓慢劣化的故障并不能通过人工或者简单的识别规则及时发现，而且通过人工巡检识别风险隐患的成本较高。那么，是否能利用 AI 算法在大数据处理、自适应学习等方法的优势，提升光传输链路的风险与隐患预测预防能力，本文将就此进行重点研究。
