用小波神经网络预测空中光纤偏振态变化，天气自适应提升精度。

Weather-Adaptive Multi-Step Forecasting of State of Polarization Changes in Aerial Fibers Using Wavelet Neural Networks

• 结合小波变换与气象数据，实现多尺度偏振态预测。
• 相比基线模型，RMSE降低65%，MAPE降低63%。
• 适合光通信系统运维人员参考，尤其关注恶劣天气影响。

我们提出一种新型天气自适应方法，用于对空中光纤链路中的多尺度偏振态（SOP）变化进行多步预测。通过利用离散小波变换并融合气象数据，该方法在均方根误差（RMSE）上相较基线模型提升超过65%，在平均绝对百分比误差（MAPE）上提升超过63%。该方法有效捕捉了气象条件对光纤偏振态动态的影响，显著增强了长时序预测的鲁棒性与准确性，适用于复杂环境下的光通信链路状态监控。

原文摘要 · Abstract (English)

We introduce a novel weather-adaptive approach for multi-step forecasting of multi-scale SOP changes in aerial fiber links. By harnessing the discrete wavelet transform and incorporating weather data, our approach improves forecasting accuracy by over 65% in RMSE and 63% in MAPE compared to baselines.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。