大规模光纤通信网络在异质和不确定的环境条件下运行，这使得早期故障检测成为一项具有挑战性的任务。传统的基于OTDR的监测方法主要是反应性的，仅依赖光信号分析，提供了有限的能力来建模不确定性和逐渐退化效应。为了解决这些局限性，本文提出了一种智能分布式传感框架，结合基于OTDR的光纤监测与环境传感器网络，采用混合模糊–机器学习方法。在该框架中，光纤作为连续传感元件，而分布式传感器提供补充的温度和土壤湿度测量。OTDR和传感器输出被融合为统一的混合轨迹，并在时间和频率域中进行分析。利用主成分分析提取并减少判别特征，以改善故障修复能力。采用模糊推理系统来建模融合混合轨迹中的不确定性、模糊性和非线性关系，使其在噪声和不完整数据条件下进行强健推理。将有监督和无监督的机器学习模型与模糊决策规则结合，以增强故障分类和早期退化检测。通过在国家级电信网络上的实际部署，验证了所提出的模糊增强框架，实现了最高94.1%的故障分类准确率，并能够提前48-72小时预测光纤故障。与传统的仅OTDR监测相比，所提方法显著改善了故障检测时间、定位准确性和决策可靠性，证明了其在智能和可扩展光纤监测中的有效性.
Tolba等人（星期五）研究了这个问题.