光传送网OTN的色散计算方法

专利主权项内容

1.一种光传送网OTN的色散计算方法，其特征在于：包括以下步骤，1)获取参数数据，所述的参数数据包括波道总数、使用波道数量、光缆线路长度、光缆衰耗系数；2)将所述的参数数据作为输入量输入预先训练好的BP神经网络模型并得到光输送网络的色散求解，其中，所述的BP神经网络模型的训练方法包括以下步骤，模型建立步骤：使用BP网络的S型函数，其中，以影响因素为输入，输出为定义输入向量：隐含层输入向量：隐含层输出向量：输出层输入向量：输出层输出向量：期望输出向量：输入层与隐含层的连接权值wih隐含层与输出层的连接权值who隐含层各神经元的阈值bh输出层各神经元的阈值bo激活函数：输出层的输出计算误差函数：模型训练步骤：第一步，网络初始化，以影响OTN传输光路色散的各项因素作为输入值，给各连接权值分别赋一个区间(-1，1)内的随机数，设定误差函数e，给定计算精度值和最大学习次数M；第二步，随机选取第k个输入样本及对应的输出期望，第三步，计算隐含层和输出层各神经元的输入和输出，第四步，利用网络期望色散补偿数值和实际输出色散值，计算误差函数对输出层的各神经元的偏导数δ(k)，0第五步，利用隐含层到输出层的连接权值w、输出层的各神经元的偏导数的δ(k)和隐含层的输出计算误差函数e对隐含层各神经元的偏导数δ(k)，ho0h第六步，利用误差函数对输出层的各神经元的偏导数δ(k)和隐含层各神经元的输出来修正连接权值w(k)；vho第七步，利用输出计算误差函数e对隐含层各神经元的偏导数的δ(k)和输入层各神经元的输入来修正输入层与隐含层的连接权值w，hih第八步，计算期望输出色散值与计算色散值之间的误差，第九步，判断网络误差是否满足要求，当误差达到预设精度或学习次数大于设定的最大次数，则结束算法；否则，选取下一个学习样本及对应的期望输出，返回到第三步，进入下一轮学习直至学习完毕。