基于组合模型的光缆性能指标预测

傅 蕾，李 卫，张 曦，夏贵进，巩晓滨

（1.西安通信学院，西安710106；2.中国人民解放军69026部队）

基于组合模型的光缆性能指标预测

傅 蕾1,2，李 卫1，张 曦1，夏贵进1，巩晓滨2

（1.西安通信学院，西安710106；2.中国人民解放军69026部队）

在分别用灰色模型、三次指数平滑模型和神经网络模型对光缆损耗进行预测的基础上，以最小误差平方和为目标得到单项模型的权重，由此构建组合模型。通过实例验证,分析对比了组合模型和单项模型的预测结果，组合模型预测结果明显优于单项模型，组合模型的预测曲线分布稳定且更接近实际值曲线。

光缆性能指标；组合模型；预测

0 引言

光缆线路是通信网中的重要组成部分，光缆在整个生命周期中性能变化的好坏直接关系到通信质量。光缆性能指标预测是选用预测模型对光缆性能进行预测，根据性能发展趋势判断光缆的可用性。当前，为适应新型网络建设需求和新装备使用要求,加大了光缆网扩建和升级改造任务，如果能够直接使用原有光缆线路不仅可以降低成本，而且可以最大限度地发挥光缆可用性。因此，光缆性能指标预测研究是提高光缆可用性的一个关键问题。

光缆线路多敷设在高山、戈壁等工作环境复杂、艰苦的地区，长期运行后光缆性能会逐渐发生衰退，当衰退到一定程度时会影响通信质量，严重时会阻断通信。关于光缆指标预测常见的方法有时间序列、神经网络和小波分析等，不同的预测模型预测结果不同，预测的准确度也存在一定的差距。而对主要用于保障网络建设新需求和新设备使用的光缆进行预测，必须提高预测的精准度才能保证网络正常运行。因此，通过研究分析，本文选取指数平滑模型、灰色模型和BP神经网络模型建立组合模型，以误差平方和最小为准则，对光缆性能指标进行预测研究 。

1 光缆性能指标的组合预测模型

由于不同种类的历史数据从不同角度反映出光缆的部分信息，加之每种预测模型建模思路和模型需要的数据又各不相同，如果仅凭某个模型预测精度低就判断该模型不适用，将会丢失部分可用信息。而组合预测是利用权系数将两种以上不同的预测方法组合起来对同一个问题进行预测的方法。将几种对数据要求不同的单项模型正确融合起来分析一个问题，不仅可以降低预测结果对某种方法的依赖程度，而且能够更真实地表现装备的特性，实现增强预测精准性的要求。

1.1 光缆性能指标预测的单项模型

1.1.1 灰色预测模型

灰色理论是以“小样本、贫数据”为研究对象，通过对样本信息的迭代和拓展，从中提取有用的信息，实现对装备整体运行行为、保障能力和性能变化规律的准确叙述和有效控制。比较常用的是GM（1,1）模型。设样本数据序列，一次累加后得新序列，其GM(1,1)模型对应的微分方程为：。式中：t=1,2,…，n)；a是发展灰数；b是灰色作用量；是灰导数，Z(1)(t)是背景值，用最小二乘法得到预测模型为：

1.1.2 三次指数平滑模型

指数平滑法是一种把时间序列的历史数据通过平滑手段降低影响并预测今后一段时间发展趋势的方法，通过一条递减的指数函数曲线将时间序列历史数据的权数表现出来。根据COST218光纤寿命模型可知：σα与tf是近似指数函数关系，因此可以用指数平滑法预测光缆特征指标。由于平滑系数α没有成熟的确定方法，在一定程度上影响了指数平滑法的预测精度，特别是在数据不断变大（或变小）的情况下，一次指数平滑预测结果呈现滞后，因此需要选择高次指数平滑预测法。通过光缆性能指标预测验证可知：三次指数平滑法可以有效解决低次指数平滑预测滞后的问题，所以选用三次指数平滑法预测光缆性能指标。

1.1.3 BP神经网络模型

神经网络是不用假设样本数据隐含关系就可以通过自适应的发展模式进行的非线性预测模型，通过反向传播调整权值和阈值达到误差平方和最小。

1.2 光缆性能指标预测的组合模型

用f1、f2和f3分别代表灰色模型、指数平滑模型和BP神经网络模型，用式（1）、式（2）、式（3）分别对样本数据序列St进行预测，结果用Y1、Y2和Y3表示,选取误差平方和最小为目标，计算得出三个单项预测模型的最优加权系数ω1、ω2、ω3（ω1+ω2+ω3=1）,则组合模型为：

2 应用实例

本节选取光缆损耗作为预测对象，根据某部门负责维护的光缆中继段2010～2012年纤芯损耗测试数据，利用仿真软件对组合模型的有效性进行验证，如表1所示。

表1 2010～2012年某中继段损耗测试数值

用前8个光缆损耗的测试数据作为基础数据预测后4个季度，通过对比灰色模型、三次指数平滑法、神经网络和组合模型的预测值，判断各模型预测精度的优劣。由3个单项预测模型的误差值，用Matlab求解，得到组合模型的权重系数ω=(0.4791,0.1406,0.3803)。由此可知组合模型为：f=0.4791f1+0.1406f2+0.3803f3。

将前8个季度的光缆损耗数值代入组合预测模型中，预测后面4个季度光缆损耗值。预测结果如图1所示。

图1 4种预测模型预测值与实际数值比较曲线

由图1可以较为直观、清晰地看到灰色模型、三次指数平滑模型、神经网络模型和组合模型预测的数值与实际数值相比的发展趋势，3个单项模型的预测值曲线偏离实际值曲线较大，且曲线波动大；组合模型预测值曲线相比较单项模型显得更加稳定和均衡，预测值曲线更接近实际值曲线。

用误差平方和、均方误差等指标衡量每个模型的预测精度。

灰色模型、三次指数平滑模型、神经网络模型和组合模型的误差指标结果如表2所示。

表2 4种模型预测结果

由表2可知：由灰色模型、三次指数平滑模型和神经网络模型构成的组合模型，各项预测误差指标明显比其它预测模型低，误差越小预测效果越好，说明组合模型的预测精度较高。因此，选择预测精度高的组合模型对既设光缆损耗指标进行预测，能够更加真实地预测出光缆损耗随运行时间增加而变化的发展趋势。

3 结束语

通过对单项模型和组合模型预测值与实际值的比较，可以准确、清楚地判断出组合模型的预测效果更加优于单项模型，因此组合模型更加适用于光缆性能指标的预测。用组合模型对光缆性能指标预测，能够准确地为既设光缆是否满足新网络建设和新设备运行条件的评估提供有力的证明。

[1]陆勉．基于灰色神经网络的郁江流域灾害性洪水预测 [D].南宁：广西大学，2012．

[2]夏贵进，张曦，张居梅等．基于三次指数平滑法的光纤损坏预测研究[J]．光通信技术，2014，1(5)：35-37

[3]李长锦，谭满春．基于最优加权法的改进交通流组合模型预测研究[J]．暨南大学学报，2010，31(5)：457-461

[4]曹东海，杜海东，陈小龙等．基于平滑指数仿真优化的装甲装备器材消耗预测[J]．系统仿真学报，2013,25（8）:1961-1965

[5]陈悦．基于行程时间组合预测模型的动态路径诱导系统研究 [D]．广州：华南理工大学，2012．

Indicator forecasting of the optical fiber cable performance based on the combination model

FU Lei1,2，LI Wei1,ZHANG Xi1,XIA Gui-jin1,GONG Xiao-bin2
(1.Xi'an Communication Institute,Xi'an 710106,China；2.No.69026 Troops of PLA,China)

The weight of the single model is got by using the minimal error sum of squares as the target on the basis of using the gray model,the three exponential smoothing model and the neural network model to predict the attenuation of the optical fiber cable respectively,then the combination model is constructed.The forecasting results of the combination model and the single model is analyzed through the examples of verification. The results show that the forecasting result of the combination model is more better than that of the single model.The forecasting curve of the combination model is stable and more access to the actual value.

indicator of the optical fiber cable performance,combination model,forecasting

TN929.11

A

1002-5561（2016）02-0053-03

10.13921/j.cnki.issn1002-5561.2016.02.016

2015-11-02。

傅蕾（1979-），女，硕士研究生，研究方向为通信与指控装备保障。