(1)业务和数据理解。光传送网管理人员应该从技术的角度进行需求分析，并把业务领域的目标转换成相应的数据挖掘目标，同时对数据挖掘所需的数据进行全面调查，利用数据采集子系统收集所需要的数据。例如，业务目标是“对光传送网中出现的故障进行定位”，相应的数据挖掘目标则是“网元及链路的告警信息和性能参数，正常行为的规则库，已知的故障类型及其规则库，预测故障出现的位置”，收集的数据有“网络中出现的告警，有关网络运行状况的数据”。
    (2)数据预处理。包括数据清洗、数据构建、数据集成和数据格式化，这些处理可交叉反复进行，从而将原始数据转化为适合数据挖掘工具处理的最终目标数据。数据清洗的任务是将数据质量提高到满足分析精度的要求，保证数据值的正确性和一致性，解决字段值的缺失问题；数据构建是指从一个或几个已知属性构建新属性、生成新记录；数据集成是将来自不同表或记录的数据合并起来产生新的记录或属性值；数据格式化是对数据进行语法上的修改，使数据满足建模工具的需要。
    (3)建立挖掘模型。光传送网管理人员首先将数据分成训练集和测试集，在训练集上运行建模工具，选择合适的数据挖掘算法建立模型，并调整参数使模型达到最优，然后在测试集上对模型进行评估。其中数据挖掘算法包括决策树、神经网络、粗糙集、遗传算法等。
    (4)评价。评价阶段是指将挖掘模型以可视化技术和知识表示技术展示给管理人员，由管理人员根据领域知识和数据挖掘成功标准来解释所得到的模型，并对模型进行全面评价，以确定是否完全达到了业务目标，最终做出是否应用数据挖掘结果的决策。如果结果不能令管理人员满意，需要重复以上数据挖掘过程。该步骤可能导致回到前面任何一步，从而使后续步骤或若干个后续步骤反复进行。
    (5)实施。光传送网管理人员根据挖掘结果对光传送网进行维护，同时将数据挖掘产生的知识存入知识库，该实例存入案例库，并将有关数据存入资源库。

5 结 语
    数据挖掘技术是一种新兴的数据分析手段，到目前为止，一些商业数据挖掘产品已得到应用，但数据挖掘结合光传送网的特点应用到该领域的研究还未展开。随着光传送网的进一步发展，在光传送网管理系统的各项应用中对数据分析的要求也越来越高，适时地将数据挖掘技术引入光传送网管理系统中，对于解决现有问题必将起到积极作用。本文利用数据挖掘技术建立的光传送网管理系统，具有智能性、自动性和远程性等优点，该系统能够从大量的网络数据中自动产生精确的、实用的管理模型，适用于任何计算环境，更加符合网络动态实际情况，对光传送网管理系统的研究起到了一定的推动作用。本文只是对数据挖掘技术在光传送网管理系统中的应用做了初步探索，进一步研究工作还在继续中。