基于深度学习的光网络传输质量预测方法

本发明公开了一种基于深度学习的光网络传输质量预测方法，利用过去时间的光路数据获取预测结果，具体包括：步骤一，从光网络中获得性能数据并进行处理，得到训练模型所需的数据集；步骤二，构建基于卷积神经网络、长短期记忆网络以及KAN网络的CLK模型；步骤三，使用步骤一得到的数据集对步骤二得到的CLK模型进行训练；步骤四，利用训练后的CLK模型预测光路的QoT指标。本发明在保证光网络预测QoT高准确度的情况下，实现多步预测，从而提高对光路参数的设置或调整效率。