本发明属于波分矩阵，特别涉及一种基于波分矩阵的光交叉连接方法及装置。
背景技术：
1、随着互联网和通信技术的飞速发展，数据传输需求呈现爆炸性增长。光通信因其高带宽、长传输距离以及低损耗等优势，成为满足高速数据传输需求的关键技术。
2、电力通信网目前以光纤通信为主，电力通信光纤资源具有分布广，运维难度高，规模逐年递增的特点。电力通信光纤资源承载了继电保护、调度自动化、生产营销管理等重要业务，通信光纤资源的安全直接关系到电网安全稳定运行。
3、在光通信网络中，波分矩阵，全称为波分复用(wavelength divisionmultiplexing,wdm)矩阵，是光通信网络中用于实现波长级别路由和交换的关键组件。波分矩阵能够在不同的波长信道之间进行动态的连接和切换，从而实现高效的数据传输。光交叉连接(optical cross-connect,oxc)是实现网络节点内光信号动态路由的重要设备。
4、然而，随着网络规模的不断扩大和流量模式的日益复杂，传统的波长分配方法通常在网络建立初期进行静态规划，难以适应网络流量的实时变化和突发需求。
5、随着光纤资源数量不断增多，其精细化运维需求不断提升，传统采用的派运维人员进站人工跳纤，不仅耗时耗力，而且在运维过程中出现诸多问题：1、哑资源管理难题，传统的跳纤方式需要依靠人工进场根据工单进行手工操作，人工跳纤的随机性和无序性难以避免。除此之外，光纤标签存在虚假业务或者标签业务与网关业务不匹配的现象也时有发生，这对光纤资源的常规化运维提出了挑战。2、故障检测定位难，当光缆发生故障时，例如受到外力破坏，导致光纤受到损害。传统的故障定位方式需要运维人员进站，手持otdr进行检测，确定故障点，难以快速准确定位。3、时效性低，调度响应时间过长，往往以小时为单位，需要人员进站到现场进行手工跳纤，手续繁琐，时效性低。4、端口利用率低，当前站内虽然光缆和光配数量众多，但是很多光配上的端口都是处于闲置。无法做到端口的合理利用，端口资源利用率低。除此之外，无法对光纤端口的状态进行实时监控，无法避免非法和违规的插拔。因此，期待一种优化的方案。
技术实现思路
1、为了解决上述问题，本发明提供一种基于波分矩阵的光交叉连接方法及装置，通过利用先进的数据分析技术和深度学习算法，巧妙地将网络流量数据转换为图像的形式，从而可以利用图像处理手段对网络流量进行深入分析和模式识别，以从中获取网络流量的复杂时序非线性变换特征模式，并利用分类器来构建波长分配策略生成器，以智能化地根据实时的网络状态判别波长分配策略应当如何动态地调整，使网络能够快速响应流量变化。
2、本发明具体为一种基于波分矩阵的光交叉连接方法，所述光交叉连接方法包括以下步骤：
3、s1：获取由网络嗅探器采集的网络流量值的时间序列；
4、s2：将所述网络流量值的时间序列转换为图像数据以得到网络流量时序灰度图像；
5、s3：对所述网络流量时序灰度图像进行网络流量局部时序关联特征提取和反向筛选强化以得到强化网络流量局部时序关联特征向量的集合；
6、s4：将所述强化网络流量局部时序关联特征向量的集合输入基于序列标注的能量度量注意力融合网络以得到网络流量时序注意力聚合表示向量；
7、s5：基于所述网络流量时序注意力聚合表示向量，确定波长分配策略，所述波长分配策略用于表示增大波长之间的时间间隔、缩减波长之间的时间间隔或保持波长之间的时间间隔。
8、可选地，将所述网络流量值的时间序列转换为图像数据以得到网络流量时序灰度图像，包括：
9、s21：将所述网络流量值的时间序列按照时间维度排列为网络流量时序输入向量；
10、s22：将所述网络流量时序输入向量输入向量-图像转换器以得到所述网络流量时序灰度图像。
11、可选地，将所述网络流量时序输入向量输入向量-图像转换器以得到所述网络流量时序灰度图像，包括：
12、s221：将所述网络流量时序输入向量进行向量切分以得到网络流量时序输入子向量的序列；
13、s222：将所述网络流量时序输入子向量的序列排列为网络流量时序输入矩阵；
14、s223：对所述网络流量时序输入矩阵进行归一化处理以得到所述网络流量时序灰度图像；其中，所述网络流量时序灰度图像中各个位置的值的范围为0-255。
15、可选地，对所述网络流量时序灰度图像进行网络流量局部时序关联特征提取和反向筛选强化以得到强化网络流量局部时序关联特征向量的集合，包括：
16、s31：对所述网络流量时序灰度图像进行图像分块处理以得到网络流量局部时序灰度图像的集合；
17、s32：将所述网络流量局部时序灰度图像的集合中的各个网络流量局部时序灰度图像分别通过基于空洞卷积神经网络模型的网络流量时序模式特征提取器以得到网络流量局部时序关联特征向量的集合；
18、s33：将所述网络流量局部时序关联特征向量的集合输入基于锚定中心的特征分布反向筛选强化网络以得到所述强化网络流量局部时序关联特征向量的集合。
19、可选地，将所述网络流量局部时序关联特征向量的集合输入基于锚定中心的特征分布反向筛选强化网络以得到所述强化网络流量局部时序关联特征向量的集合，包括：
20、s331：计算所述网络流量局部时序关联特征向量的集合中的各个网络流量局部时序关联特征向量与网络流量关联锚定中心特征向量之间的语义相关系数以得到语义隐关联系数的序列；
21、s332：取所述语义隐关联系数的序列中的各个语义隐关联系数的倒数以得到语义反关联系数的序列；
22、s333：使用softmax函数对所述语义反关联系数的序列进行归一化处理以得到语义反关联能量系数的序列；
23、s334：以所述语义反关联能量系数的序列中的各个语义反关联能量系数作为权重，对所述网络流量局部时序关联特征向量的集合中的各个网络流量局部时序关联特征向量进行加权以得到反向抑制网络流量局部时序关联特征向量的集合；
24、s335：计算所述网络流量局部时序关联特征向量的集合与所述反向抑制网络流量局部时序关联特征向量的集合之间的按位置差分以得到所述强化网络流量局部时序关联特征向量的集合。
25、可选地，计算所述网络流量局部时序关联特征向量的集合中的各个网络流量局部时序关联特征向量与网络流量关联锚定中心特征向量之间的语义相关系数以得到语义隐关联系数的序列，包括：
26、s3311：计算所述网络流量局部时序关联特征向量的集合的按位置均值向量以确定所述网络流量关联锚定中心特征向量；
27、s3312：计算第i个网络流量局部时序关联特征向量和所述网络流量关联锚定中心特征向量之间的按位置点乘，并将按位置点乘得到的向量进行逐元素加和以得到锚定中心约束的网络流量局部时序关联特征堆值；
28、s3313：计算所述第i个网络流量局部时序关联特征向量的逐元素平方之和，以及所述网络流量关联锚定中心特征向量的逐元素平方之和，并计算逐元素平方之和得到的两个数值的和的开方，将所述锚定中心约束的网络流量局部时序关联特征堆值除以开方获得的数值以得到第i个语义相关系数。
29、可选地，将所述强化网络流量局部时序关联特征向量的集合输入基于序列标注的能量度量注意力融合网络以得到网络流量时序注意力聚合表示向量，包括：
30、s41：对所述强化网络流量局部时序关联特征向量的集合中的各个强化网络流量局部时序关联特征向量进行序列号标注以得到标注号的序列；
31、s42：计算所述强化网络流量局部时序关联特征向量的集合中的各个强化网络流量局部时序关联特征向量的能量函数值，其中，所述能量函数值与所述各个强化网络流量局部时序关联特征向量的均值和方差以及所述各个强化网络流量局部时序关联特征向量的标注号有关；
32、s43：以所述能量函数值的倒数作为权重因子，对所述强化网络流量局部时序关联特征向量的集合中的各个强化网络流量局部时序关联特征向量进行加权调制和聚合以得到所述网络流量时序注意力聚合表示向量。
33、可选地，计算所述强化网络流量局部时序关联特征向量的集合中的各个强化网络流量局部时序关联特征向量的能量函数值，其中，所述能量函数值与所述各个强化网络流量局部时序关联特征向量的均值和方差以及所述各个强化网络流量局部时序关联特征向量的标注号有关，包括：计算第i个强化网络流量局部时序关联特征向量的标注号与所述第i个强化网络流量局部时序关联特征向量的均值之差的平方以得到平方结果，并将所述第i个强化网络流量局部时序关联特征向量的方差和正则项进行相加以得到相加结果，将四倍的所述相加结果作为被除数，将所述平方结果与两倍的所述相加结果之和作为除数，计算所述被除数除以除数的商作为所述第i个强化网络流量局部时序关联特征向量的能量函数值。
34、可选地，基于所述网络流量时序注意力聚合表示向量，确定波长分配策略，所述波长分配策略用于表示增大波长之间的时间间隔、缩减波长之间的时间间隔或保持波长之间的时间间隔，包括：将所述网络流量时序注意力聚合表示向量输入基于分类器的波长分配策略生成器以得到所述波长分配策略。
35、第二方面，本技术提供了一种基于波分矩阵的光交叉连接装置，所述基于波分矩阵的光交叉连接装置以如所述的基于波分矩阵的光交叉连接方法运行。
36、与现有技术相比，有益效果是：
37、1.提升电网数据传输能力：智能电网需要实时、准确地收集、传输和处理大量的电网运行数据，以确保电网的安全、稳定、高效运行。光交叉技术以其高速、大容量的特点，为智能电网提供了强大的数据传输能力，能够满足智能电网对数据传输带宽和速率的高要求。
38、2.增强电网通信的灵活性和可靠性：智能电网需要应对各种复杂的运行场景和突发情况，因此需要具备高度的灵活性和可靠性。光交叉技术能够实现光信号的灵活交叉连接，支持多种业务的灵活接入和调度，同时，其全光交换的特性也减少了电信号处理的环节，从而提高了通信的可靠性。
39、3.推动电网智能化管理：随着大数据、云计算、人工智能等技术的发展，智能电网正在向更加智能化的方向发展。光交叉技术可以与这些先进技术相结合，实现电网数据的自动化收集、分析、处理和决策，提高电网的智能化管理水平，优化电网运行效率。
40、4.促进新能源接入与管理：随着可再生能源的大规模接入，智能电网需要更加高效地管理和调度这些能源。光交叉技术可以帮助构建灵活的光通信网络，支持可再生能源的接入和调度，优化能源配置，提高能源利用效率。
1.一种基于波分矩阵的光交叉连接方法，其特征在于，所述光交叉连接方法包括：
2.根据权利要求1所述的一种基于波分矩阵的光交叉连接方法，其特征在于，s2中将所述网络流量值的时间序列转换为图像数据以得到网络流量时序灰度图像，包括：
3.根据权利要求2所述的一种基于波分矩阵的光交叉连接方法，其特征在于，s22中，将所述网络流量时序输入向量输入向量-图像转换器以得到所述网络流量时序灰度图像，包括：
4.根据权利要求3所述的一种基于波分矩阵的光交叉连接方法，其特征在于，s3中对所述网络流量时序灰度图像进行网络流量局部时序关联特征提取和反向筛选强化以得到强化网络流量局部时序关联特征向量的集合，包括：
5.根据权利要求4所述的一种基于波分矩阵的光交叉连接方法，其特征在于，s33中将所述网络流量局部时序关联特征向量的集合输入基于锚定中心的特征分布反向筛选强化网络以得到所述强化网络流量局部时序关联特征向量的集合，包括：
6.根据权利要求5所述的一种基于波分矩阵的光交叉连接方法，其特征在于，s331中计算所述网络流量局部时序关联特征向量的集合中的各个网络流量局部时序关联特征向量与网络流量关联锚定中心特征向量之间的语义相关系数以得到语义隐关联系数的序列，包括：
7.根据权利要求6所述的一种基于波分矩阵的光交叉连接方法，其特征在于，s4中将所述强化网络流量局部时序关联特征向量的集合输入基于序列标注的能量度量注意力融合网络以得到网络流量时序注意力聚合表示向量，包括：
8.根据权利要求7所述的一种基于波分矩阵的光交叉连接方法，其特征在于，s42中计算所述强化网络流量局部时序关联特征向量的集合中的各个强化网络流量局部时序关联特征向量的能量函数值，其中，所述能量函数值与所述各个强化网络流量局部时序关联特征向量的均值和方差以及所述各个强化网络流量局部时序关联特征向量的标注号有关，包括：
9.根据权利要求8所述的一种基于波分矩阵的光交叉连接方法，其特征在于，s5中基于所述网络流量时序注意力聚合表示向量，确定波长分配策略，所述波长分配策略用于表示增大波长之间的时间间隔、缩减波长之间的时间间隔或保持波长之间的时间间隔，包括：
10.一种基于波分矩阵的光交叉连接装置，其特征在于，所述基于波分矩阵的光交叉连接装置以如权利要求1至9所述的光交叉连接方法运行。
