[发明专利]一种基于能效优化的前传光网络动态资源映射方法及系统

权利要求书

1.一种基于能效优化的前传光网络动态资源映射方法，其特征在于，包括：

收集远端射频节点的历史流量数据；所述历史流量数据的数据类型包括接收和发送的电话业务、短消息业务以及互联网业务；所述历史流量数据表征多个历史时间节点的真实流量负载情况；

根据所述历史流量数据，训练深度学习中的长短期记忆网络模型，预测每个所述远端射频节点的下一时间节点的流量负载情况；

根据所述流量负载情况，以最小化系统总能耗为目标，动态调整下一时间节点的基带处理池和远端射频节点之间的前传光链路的连接关系；所述系统总能耗包括基带处理池的固有能耗、所述基带处理池执行基带信号处理过程中产生的能耗以及切换产生的能耗；所述切换产生的能耗包括所述基带处理池中的基带处理单元在激活状态和关闭状态之间切换产生的能耗和所述远端射频节点在不同的基带处理单元中切换时的能耗。

2.根据权利要求1所述的基于能效优化的前传光网络动态资源映射方法，其特征在于，所述收集远端射频节点的历史流量数据，之后还包括：

对所述历史流量数据进行预处理，生成预处理后的历史流量数据；所述预处理包括数据归一化处理和数据升维处理。

3.根据权利要求1所述的基于能效优化的前传光网络动态资源映射方法，其特征在于，所述根据所述历史流量数据，训练深度学习中的长短期记忆网络模型，预测每个所述远端射频节点的下一时间节点的流量负载情况，具体包括：

以每个所述远端射频节点的多个历史时间节点的真实流量负载情况为输入，以下一时间节点的流量负载情况为输出，对所述长短期记忆网络模型进行训练；

在每次迭代过程中，将预测得到的流量负载情况对应的预测值和真实流量负载情况对应的真实值进行比较，并根据所述预测值和所述真实值之间的误差，对所述长短期记忆网络模型的权重进行调整，直到满足训练的误差要求，完成训练后的长短期记忆网络模型；

利用所述训练后的长短期记忆网络模型预测每个所述远端射频节点的下一时间节点的流量负载情况。

4.根据权利要求1所述的基于能效优化的前传光网络动态资源映射方法，其特征在于，所述基带处理池执行基带信号处理过程中产生的能耗是通过所述基带处理池中处于激活状态的基带处理单元的数量，使每个被激活的基带处理单元的资源被充分利用而产生的。

5.根据权利要求1所述的基于能效优化的前传光网络动态资源映射方法，其特征在于，所述切换产生的能耗是基带处理池中的基带处理单元在激活状态和关闭状态之间切换产生的能耗和远端射频节点在不同的基带处理单元中切换时的能耗。

6.根据权利要求1-5任一项所述的基于能效优化的前传光网络动态资源映射方法，其特征在于，所述根据所述流量负载情况，以最小化系统总能耗为目标，动态调整下一时间节点的基带处理池和远端射频节点之间的前传光链路的连接关系，动态调整方法看作装箱问题；箱子代表所述基带处理单元，箱子的体积为每个所述基带处理单元可承载的最大流量负载，物品的尺寸为每个所述远端射频节点当前时刻的负载情况，所述物品的尺寸随时间变化，装箱操作为调整所述基带处理单元和所述远端射频节点之间的连接关系。