云计算环境下的海量光纤通信故障数据挖掘算法研究.docx

??

?

??

云计算环境下的海量光纤通信故障数据挖掘算法研究

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要：本文基于云计算环境下的海量光纤通信故障数据信道模型，分析了数据挖掘算法的改进设计，对于故障数据的处理具有重要的参考与借鉴价值。

关键词：云计算；光纤通信；故障；数据挖掘算法

在实际的应用过程中，数据挖掘技术主要是结合海量数据的某些特征，进行数据的提取，从而获得对生产生活较为有利的信息，作为相关决策等的有效参考。云计算环境下，光纤通信具有数据量庞大、传输交流频繁的特征，但是其在通信过程中极易受到其他因素的干扰，常常导致通信故障，数据挖掘技术的应用可以将光纤通信中的干扰因素影响降至最低，实现光纤通信的故障诊断与处理。

1信道模型及故障数据时间序列分析

1.1信道模型

为了实现对云计算环境下海量光纤通信故障数据的有效挖掘，需要光纤数据传输的基础上构建科学的通信信道模型，使得光纤通信过程中能够实现故障数据的采集，结合故障的实际情况，进行相关故障问题的处理，实现光纤通信的通畅性与高效性。光纤通信信道为扩展信道，其在信道的传播模式上，采用的是多输入多输出的方式，就光纤通信信道的特征来讲，其主要包含了两个方面的特征：为带宽受限信道，在传播过程中对于频率较高的信号存在较大的吸收系数；传播受到距离的约束，因此，具有多径传输的特性，在传播过程中极易受到电磁场干扰等的影响，加大了通信故障的发生概率。光纤通信过程中，由于信道为多径结构，该结构的形成主要是由于网络节点的信道传播衰减所造成的。

1.2信号模型及时间序列分析

在建立了云计算环境下的海量光纤通信信道模型以后，可以在此基础上建立相应的信号模型。在云计算环境下海量光纤通信状态的识别与故障的诊断上，需要首先进行信号的检测采集获取，进而根据信号处理的相关算法进行光纤通信状态的识别与判断。

2光纤通信故障数据挖掘算法改进设计

2.1问题的提出及故障数据时频分析

在构建了云计算环境下的海量光纤通信的信道模型与故障数据时间序列的基础上，有必要进行相关故障数据挖掘算法的改进设计。由于在云计算环境背景下，光纤通信具有数据规模庞大、扰动性极强等特点，这也就加剧了数据通信故障的出现概率，故障数据的挖掘算法可以有效实现故障的定位与识别，进而保证了数据传输的准确性，提高了光纤通信的整体水平。就目前来看，在故障数据的提取上，一般采用的是正态相关状态特征的提取方式，在具体的应用中，由于光纤通信故障数据的耦合性较强，这就使得正态相关状态特征不能完全满足于云计算环境下光纤通信故障数据的挖掘操作，影响了光纤通信中故障问题的识别与处理。因此，为了有效解决此类问题，就需要进行数据挖掘算法的改进，本研究中采用的是非线性时间序列模型的分析方式，主要通过对故障数据的时域与频域分析来实现故障的处理。

2.2故障数据的经验模态分解和故障特征聚类

随着对云计算环境下的海量光纤通信故障时频的分析，以功率谱密度为特征进行故障数据的提取，可以得到有关的功率谱密度特征的提取结果与传递函数，进而在此情况下可以进行相关海量光纤通信故障数据的特征聚类，为后期故障的识别、分析与处理提供了重要的数据参考。

3仿真实验与结果分析

在本文的模型中，需要检测其模型在云计算环境下的海量光纤通信数据挖掘性能，就需要进行必要的仿真实验，使用matlab仿真软件，严格根据实验的整体要求，进行实验状态下软件与硬件环境的控制。在实验状态下，将云计算环境下的海量光纤网络通信节点分布在3000m×3000m的均匀阵列区域内，而以光纤通信频带在2KHz与10KHz为研究对象，将载频时宽控制在2ms的范围内，而故障数据挖掘归一化以后的初始频率分别为0.05/0.15，在这种条件下，确定故障数据的采样点数N=256，光纤通信过程中受到较为严重的电磁干扰，其信噪比在-10dB～10dB之间，结合此仿真相关参数，可以进行必要的仿真实验。

故障数据时间序列采样以后，得到了如下结果：

图1光纤通信数据的时域采样波形

将云计算环境背景下的海量光纤通信数据作为研究的对象，进行相关的数据研究，得到故障数据的非线性时间序列分析模型，进而在此基础上进行故障数据的时域与频域分析，以功率谱密度作为特征提取，得到图2的结果。

图2海量光纤通信故障数据的功率谱密度特征提取结果

从图中可以看出，应用本研究所采用的海量光纤通信故障数据的特征提取方式，对云计算环境下的海量光纤通信中的故障数据的经验模态分解与故障特征聚类，在一定程度上验证了此数据故障挖掘算法的可行性，并且经过相应的模拟分析，可以得到该数据挖掘算法具有较高的精度，可以在云计算环境下的海量光纤通信故障数据的处理中得到良好的应用效果，能够实现对故障数据的分析与识别，保证光纤通信的整体效率与质量。

另外，在有些时候