Früherkennung von Unterbrechungen in Glasfaserkabeln mithilfe KI-basierter optischer Leistung: KI-basierte Faserbrucherkennung

Glasfasernetzwerke sind für die moderne Kommunikation von entscheidender Bedeutung, bleiben jedoch anfällig für physische Schäden, insbesondere durch Aushubarbeiten. Herkömmliche Überwachungssysteme wie OTDR und DWDM sind reaktiv und erkennen Fehler erst nach einem Ausfall. Diese Studie schlägt ein proaktives, KI-basiertes Rahmenkonzept vor, das Echtzeit- und historische optische Leistungsdaten analysiert, um frühe Anzeichen potenzieller Kabelbrüche zu erkennen. Durch die Kombination von schwellenwertbasierten Regeln mit einem mehrskaligen Ensemble-Modell des maschinellen Lernens identifiziert das System sowohl plötzliche Ausfälle als auch subtile Störungen. Die Ergebnisse zeigen eine Genauigkeit von über 95 %, was frühzeitiges Eingreifen ermöglicht, Ausfallzeiten reduziert und die Ausfallsicherheit des Netzwerks verbessert. Der Ansatz ist kosteneffizient, skalierbar und für den Echtzeit-Einsatz in Telekommunikationsnetzen geeignet.