当代光网络趋于复杂化，一个故障将引发多个告警事件。同时，同一告警可能由不同的故障导致。本文研究了基于数据挖掘的光网络告警相关性分析，我们从动态网络资源与设备中挖掘关联规则，充分利用和维护原有规则知识，使网络结构和规则库都能快速更新，并提出了新型的动态模糊关联规则挖掘算法 IDFARM。同时运用模糊逻辑将数值型告警属性转化为逻辑语言变量，当网络中有新的未知告警发生时，我们对模糊关联规则运用模糊推理来进行故障诊断，这将缩短网络恢复时间，有利于提高光网络故障管理性能。仿真实验验证了文章算法的正确性和有效性。

有效的故障管理需要依靠从网络中收集到的信息来实现, 在透明光网络中, 这些信息通过监控设备来传递。可通过分析光设备和监控设备的特性, 利用编码的方法对透明光网络(设置了监控器)进行故障定位。文章采用的算法既考虑了不存在漏/误告警的理想情况, 也考虑了存在漏/误告警的非理想情况, 从而提高了故障定位的准确性。

传统的网络管理平台基本上采用的是中央集中的控制方式。文章提出一种用于实现分布式故障管理模块的设计思路，该模块的设计是基于分布式故障点的定位，以及采用跨接段分布式恢复算法。这种设计方法主要是克服以往故障告警上报集中时间长、造成恢复延迟和业务丢失等缺点，可适用于不同的光网络。

在大型骨干光网络中, 建立一条从源节点到宿节点的路由至关重要。在集中式网络管理系统体系下, 网络中动态路由信息以及故障状态信息, 通过路由的“泛洪”机制, 被传送到其他节点上实现资源信息共享,这对于连接的迅速建立, 恢复路由的快速启动将是不利的。尝试采用一种启发式算法-蚁群策略, 快速提高光网络中故障恢复的速度。该路由算法平台采用了分布式蚁群算法自动修复故障点, 解决了重路由的快速收敛问题; 依靠分布式代理机制构建管理平面和数据平面相互通信的机制, 完成诸如链路信息素的更新等功能。设计了一个网络故障的场景, 通过实验数据表明, 采用蚁群的分布式路由策略, 可以更快地实现路由信息的汇聚, 找到最佳的恢复路由。