基于BP神经网络的通信网故障诊断算法研究与实现

随着计算机网络规模的不断扩大,网络的复杂度迅速提高,网络的故障的快速定位与诊断是确保网络系统可靠、稳定运行的重要因素。本文针对网络故障快速诊断的应用需求,应用人工神经网络技术进行研究,取得了以下成果：(1)提出了一种新型复合型神经网络模型,即SOM-BP神经网络模型,该模型能增加异常特征值之间的分离度,从而效果更显著。(2)利用自组织映射网络,将故障特征值映射到更高的阶层空间,增强了类别可分性。再通过反向传播网络(BP网络)对异常特征参数分类,实现故障诊断与定位。该方法统筹BP网络和SOM网络,增强了诊断运算的速率和精确度。(3)将通信网连接接口异常数据,作为SOM-BP神经网络的训练样本。通过MATLAB仿真验证,并将SOM-BP算法与单一的BP神经网络仿真结果进行比较。实验证明,本文算法有效地提高了通信网故障诊断的实效性。(4)本文通过编写WEB端的诊断系统,实现了该算法的实用功能。本文的研究成果需要进一步地完善和运用更多样本训练,以提高算法的实用性。本文算法也需要在实际的网络维护运行环境中运行完善,接受大量实测数据去验证稳定性和准确性。