淺談光纖材料的傳導性能

陳萃紅

摘 要：在我國當下的光纖通信系統中，光纖是光波的主要傳輸介質。因此，光纖材料的傳導性能對以光纖為主的通信系統的傳輸質量有著十分重要的影響。目前國內有著多種多樣的光纖，截至目前在對光纖材料的傳導性能進行評估時，我們已經掌握的評估方法有很多，不同的方法能夠從不同側重方面對光纖材料的傳導性能進行評估。本文主要通過波動理論及射線光學理論對光纖中的模式和傳光原理進行分析，再根據基于神經網絡算法來對檢測結果進行深度分析。

關鍵詞：光纖材料；神經網絡；傳導性能

一、引言

隨著我國進入信息化時代以來，通信系統得了長期有效的發展，從而通信系統的快速發展也帶動了光纖材料的發展。在光纖通信系統中，光纖材料的傳導性能將會從很大程度上決定通信系統的傳輸質量。因此，光纖材料的傳導性能質量也就直接影響到國家的通信網絡系統的發展和工業生產活動的發展。在對光纖材料的傳導性能進行評估的過程中，我們需要對光纖材料的多項物理指標進行檢測。另一方面，我國目前的光纖材料領域發展十分迅速，如何在國家的國防通信領域和工業通信領域更好地使用具有高效率傳導性能的光纖，是一件很有重大意義的事情。

目前國內在對光纖材料的傳導性能進行檢測的方法多為物理層面的，物理層面的檢測方法雖然較為有效，但是均為傳統的檢測方法，無法更好地對檢測數據進行深度挖掘和智能化地分析。因此，如何從物理檢測方法對光纖材料的傳導性能進行檢測，并且通過智能算法對檢測結果進行信息挖掘，這也是目前國內外多個學者所研究的主要方向之一。本文講述了一種基于神經網絡算法的光纖材料傳導性能研究方法。

二、基于神經網絡算法的光纖材料的傳導性能研究

2.1光纖材料的基本簡介及光在光纖材料中的傳導原理

光纖的基本結構有以下幾部分組成：折射率（n1）較高的纖芯部分、折射率（n2）較低的包層部分以及表面涂覆層[1]，在常見的光纖材料中，為了更好地保護光纖，使其傳導性能不受外界的破壞，在涂覆層外一般會有二次涂覆層（又稱塑料套管）。

光纖的分類并不是統一化的，而是按照不同的分類方法進行分類。例如可以從折射率分布對光纖進行分類，可以把光纖分為階躍型和漸變型；也可以從二次涂覆層結構對光纖進行分類，把光纖分為緊套結構型和松套結構型；還可以從傳導模式對光纖進行分類，分為單模光纖和多模光纖。

我們在對光波在光纖中傳輸過程進行分析可應用兩種理論，分別是波動理論和射線理論。波動理論主要是分析了光波在階躍折射率光纖中傳播的模式特性，屬于一種定量性的分析，這種分析方法誤差較小，但是其整體過程卻并不簡便直觀。與波動理論不同的是，射線理論在分析光纖材料的傳導性能時，采用的是一種近似的分析方法，屬于一種定性分析的方法，這種方法雖然精確度不是很高，但是整體過程卻十分簡單直觀，利用射線分析方法，可以較為直觀地對光纖的傳光原理進行說明，光在光纖材料中的傳光原理.

2.2神經網絡算法對光纖材料的傳導性能分析的基本原理

典型的神經網絡結構是一種具有三層或三層以上結構的無反饋的、層內無互連結構的前向網絡，其中首尾兩層分別稱為輸入層和輸出層，中間各層為隱含層（也稱中間層）。神經網絡中各層之間的神經元為全連接關系，層內的各個神經元之間無連接。我國當下多個行業中所運用的神經網絡算法是依據人體的神經元整體結構和大腦對神經元直接的雙向調節和自動處理而形成的一種具有“人體生物特征”的智能算法。當我們通過這種針對具有多個神經元結構（突觸）特征的單個神經元結構進行隨機處理，即對光纖材料的物理屬性的數據耦合分析以及多個傳導性能指標組合的向量化處理，達到對多種光纖材料傳導性能的歸一化分析。從總的數據結果中找到與標準數據組（傳導性能優良的光纖材料的物理屬性數據）匹配度高的多項數據組，則這些數據組被選中進行二次或者多次優先匹配的概率就大，反之檢測結果匹配度低的數據組被選中進行二次或者多次歸一化處理的概率就會很低。多次對比分析產生的新一代具有標準化物理屬性數據特征的光纖材料不僅繼承了上一輪智能篩選之后的結果，而且其傳導性能優良程度還優于標準組。這樣經過幾次雙向信息交互循環聚類處理之后，最終篩選出傳導性能符合要求的光纖材料。如此一來，不僅能夠判斷出到不同類型的光纖的傳導性能，還可以對傳導性能優良的光纖尋找相同特征，甚至可以進行反向分析，從而對不同光纖材料的傳導性能優良程度進行預測。

2.3基于神經網絡算法的光纖材料的傳導性能研究的實現過程

由于神經網絡算法會隨著誤差反向傳播不斷的進行修正，從而不斷提高對目標光纖材料識別的正確率，因此，本神經網絡算法采用的循環評估方法是誤差反向傳播算法，它是一種誤差函數按梯度下降的算法。在具體實現過程中，在神經網絡算法下，首先會利用已有的光纖材料傳導性能數據庫信息進行聚類處理得到所需要的目標光纖的傳導性能指標數據的具體數值范圍，再利用神經網絡算法在待檢測光纖樣本中進行具體地歸類處理，最終得到傳導性能優良度高的最優解搜索，進而篩選出存在傳導性能符合要求的光纖材料。

本文所使用的基于神經網絡算法的光纖材料傳導性能檢測模型可以將傳統的光纖傳導性能檢測方法與現有的人工智能化數據分析方法相結合，并且根據影響傳導性能的物理屬性進行不同程度的權重分析處理，這樣一來，在實驗過程中對不同光纖材料傳導性能的優良程度的誤差則會大大降低。

2.4基于神經網絡算法的光纖材料傳導性能研究過程的數學分析

本基于神經網絡算法的光纖材料傳導性能檢測模型是采用神經網絡算法進行自我循環式檢測的，各個處理單元的閾值 是為模擬生物神經元的動作電位設置的，其相關的Sigmoid函數的一階導數為：

將第一批目標光纖樣本的分析結果進行歸一化處理，其歸一化方程為：

其中x是處理前的值，y是處理后的值，Xmin是樣本最小值，Xmax是樣本最大值。將輸入層數據導入隱藏層第一個神經節點內進行運算：

其中Wij是權重，0.1θj是偏倚，0.2f（x）是激活函數X1=0，X2=0.08。

三、結束語

本文主要研究了光纖材料的傳導性能，采用了基于神經網絡算法與物理分析相結合的研究方法，并且對該研究方法的基本原理和基本實現步驟進行了簡述。本研究中的所采用的分析模型能夠對不同的光纖樣本的傳導性能的不同檢測指標進行智能分析，并且能夠在一定程度上對新型光纖材料的傳導性能的優良程度進行預測。

參考文獻

[1]張立永.國內外光纖技術研究進展[A].中國電子材料行業協會.光纖材料產業技術創新戰略聯盟（試點）推進暨學術研討會論文集[C].中國電子材料行業協會：，2012：18.

[2]余重秀.光子晶體光纖非線性研究的新進展[A].中國電子材料行業協會.光纖材料產業技術創新戰略聯盟（試點）推進暨學術研討會論文集[C].中國電子材料行業協會：，2012：11.

[3]劉蕾.長周期光纖光柵的光學特性分析及飛秒激光制造方法研究[D].中南大學，2012.

（作者單位：廣東特發信息光纜有限公司）