基于机器学习的物理层损伤约束的光网络路由方法和系统

摘要

本发明公开基于机器学习的物理层损伤约束的光网络路由方法和系统，属于光网络领域。本发明综合考虑物理层和网络层，实现物理层性能优化和阻塞概率降低；借助机器学习同时实现高精度和高速度；选用链路的波特率、比特率、信道入纤光功率和跨段数，每跨段所用的光放大器类型、所用的光放大器的噪声系数、色散系数、色散累积值、跨段长度和非线性系数作为光网络物理层参数，与传输过程中对信号传输质量带来的影响的物理层损伤之间存在的映射关系，借助机器学习训练找到该映射关系；使用通过求解光纤传输方程获得的人工合成数据，具有更高可靠性和真实性。