一种基于PCA的QCNN-xLSTM网络故障预测方法、设备及介质

本发明提供了一种基于PCA的QCNN‑xLSTM网络故障预测方法、设备及介质，涉及石油海洋科研网络信息技术领域，旨在解决网络监控指标数据类型繁杂多样导致无从选择，以及现有的机器学习方法对网络故障数据挖掘性能不足的问题。该方法包括如下步骤：采集网络监控指标数据，所述数据包括多个特征变量和判别当前网络是否故障的标签变量；采用主成分分析法处理所述数据，并划分数据集为训练集和测试集；搭建基于四元数卷积神经网络QCNN和xLSTM的预测模型；将网络故障数据输入至所述预测模型，制定训练策略；通过训练好的模型对数据进行预测并输出结果。本发明通过将PCA、四元数卷积、多尺度特征融合、xLSTM残差堆叠和粒子群算法协同集成，加强了预测模型提取空间特征和时序特征的能力，从而实现精确的网络故障预测。