基于机器学习的OTN业务时延估算方法研究OA北大核心CSTPCD

【目的】为满足时延敏感型应用场景对时延数据的时效性、准确性和完整性要求,需要实现光传送网络(OTN)端到端业务时延估算。【方法】文章分析了OTN业务的传输特点,根据子网连接采集业务路由信息,并将业务路由中的网元(NE)、链路和交叉等基础数据离散化,得到时延估算的特征变量,提出了基于工程现网数据的时延估算模型,并采用多种机器学习算法进行了仿真比较。【结果】基于支持向量机回归(SVR)和决策树回归的时延预测结果的平均绝对百分比误差(MAPE)分别为3.3628%和1.2849%。【结论】文章基于机器学习、结合OTN业务传输特点提出的OTN业务时延估算方法准确性高,具有广泛的应用场景。