基于改进TFT的用户网络障碍预测方法  

作　　者：卢瑾 王欣刚 陈于锋 

机构地区：[1]中国电信股份有限公司南京分公司

出　　处：《江苏通信》2024年第5期82-86,共5页Jiangsu Communication

摘　　要：随着互联网的发展,网络已渗透到生活各方面,网络故障对生产和生活的影响日益严重。尽管用户网络故障难以完全避免,但通过预测故障可帮助运营商快速修复,减少对生活的干扰。本文提出改进的TFT深度学习模型,通过多种技术提高预测性能。首先,采用基于皮尔逊系数和特征不确定性的暂退算法,将对故障影响小的特征置零,避免模型过拟合。其次,引入时间卷积神经网络与带门控单元的循环神经网络编码器,加强模型对时间序列局部特征的提取。最后,使用Huber损失函数以减弱群体故障带来的异常数据影响。实验结果显示,改进的TFT算法在预测性能上优于传统算法,并通过案例展示了其在网络群障发现中的应用价值,提供了解决网络故障的新思路。

关 键 词：TFT 用户网络障碍预测 皮尔逊系数 特征不确定系数 Huber损失函数 

分 类 号：TP393.06[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]