卷积神经网络在露天矿5G网络性能测试中的应用  

Application of convolutional networks in 5G network performance testing of open pit mines

作　　者：李志航 LI Zhihang(CHN Energy Zhunneng Group Co.,Ltd.,Erdos 010300,China)

机构地区：[1]国能准能集团有限责任公司,内蒙古鄂尔多斯010300

出　　处：《工矿自动化》2024年第S2期99-104,共6页Journal Of Mine Automation

摘　　要：随着5G网络应用场景的多样化,网络的优化和安全成为不可忽视的问题。为此,提出了一种结合卷积神经网络与门控循环单元的混合模型,用于露天矿5G网络环境下的性能测试与优化。该模型利用卷积神经网络提取网络流量数据的局部特征,通过门控循环单元对时序特征进行处理,增强模型对网络攻击的检测能力。性能测试结果显示:CNN-GRU模型在训练集上快速收敛,准确率接近1.0;在测试集上的准确率稳定在0.9,展现出良好的泛化能力。仿真实验结果表明,CNN-GRU模型在2个数据集上的检测准确率均达90%以上,误报率分别为4.1%和4.5%,明显优于其他2种对比模型。

关 键 词：露天矿山 5G网络 性能测试 卷积神经网络 门控循环单元 

分 类 号：TD655[矿业工程—矿山机电]