原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2025年2月计算机应用文摘第41卷第4期
数据感知技术在电力通信网络运维中的应用
朱静怡，王琪，开山·艾尼玩
（国网新疆电力有限公司吐鲁番供电公司，新疆吐鲁番838000）
摘要：结合支持向量机（SVM）和随机森林（RF）模型，文章提出了一种基于集成学习的电力通信网络运
维方法，旨在提高故障预测的准确性和网络流量的优化效果。通过对SVM和RF的集成，模型不仅提升了
故障预测的准确率，还有效优化了网络资源的分配。实验结果表明，集成模型在故障预测任务中的准确率
为92%、精度为90%、召回率为88%、F1值为89%。在流量优化方面，带宽利用率提升了16%，延迟降低了
12%。相比传统方法，集成模型在电力通信网络运维中的表现更优越。
关键词：数据感知技术，电力通信网络，故障预测，网络流量优化，机器学习
中图分类号：TP315文献标识码：A
Applicationofdataperceptiontechnologyinoperationand
maintenanceofelectricpowercommunicationnetwork
ZHUJingyi，WANGQi，KAISHAN·Ainiwan
（TurpanPowerSupplyCompany，StateGridXinjiangElectricPowerCo.，Ltd.，Turpan，Xinjiang838000，China）
Abstract：Combiningsupportvectormachine（SVM）andRandomforest（RF）model，anintegratedlearning
basedpowercommunicationnetworkoperationandmaintenancemethodisproposedtoimprovetheaccuracyof
faultpredictionandtheoptimizationeffectofnetworktraffic.ThroughtheintegrationofSVMandRF，themodel
notonlyimprovestheaccuracyoffaultprediction，butalsooptimizestheallocationofnetworkresources.The
experimentalresultsshowthattheaccuracyoftheintegratedmodelis92%，theaccuracyis90%，therecallrateis
88%andtheF1valueis89%inthefaultpredictiontask.Intermsoftrafficoptimization，bandwidthutilizationwas
improvedby16%andlatencywasreducedby12%.Comparedwiththetraditionalmethods，theintegratedmodel
hasabetterperformanceinpowercommunicationnetworkoperationandmaintenance.
Keywords：dataperceptiontechnology，powercommunicationnetwork，faultprediction，networktrafficoptimization，
machinelearni
文档评论（0）