近年来,随着互联网技术和大数据技术的广泛应用,工业互联网技术蓬勃兴起。工业互联网推动全球产业自我转型和重组,在产品、系统、工厂和地区等方面变得更加多样化。从工业经济的角度来看,工业互联网可以被视为一种新的生产力和竞争力的来源。它可以帮助企业实现数字化转型,从传统的生产制造向智能化制造转变,实现从单纯的产品供应商向智能化产品与服务供应商的转型。这种转型可以为企业提供更多的增值服务,帮助企业更好地了解市场和客户需求,进一步提高企业的竞争力。此外,工业互联网还可以促进生态系统的协同创新和发展。通过建立数字化的产业链和价值链,企业可以更好地协同工作,共同开发新产品和服务,并共享数据、资源和技术,从而提高整个生态系统的效率和竞争力。工业互联网中的实时数据传输对网络服务质量要求严苛,在复杂工业互联网络特别是骨干网环境下实现安全可靠的实时数据传输,一直是制约工业互联网发展的难点之一。增加传输路径可靠性的一种方法是提供专用的备份路径。在发生故障的情况下,故障链路上的传输任务可以在备份网络中的预定路径上重新路由。首先,云边数据传输分为实时数据传输和非实时数据传输,前者要求链路故障发生时通过主动式方法快速切换到备份路径;后者要求链路故障发生时能够通过被动式方法切换到新的路径。本文将研究重点放在实时数据传输上,因此需要解决网络流量分类问题。已知深度卷积神经网络具备良好的图像分类性能,而网络流量可以通过归一化去除量纲关系,进而转化为灰度图。基于此可以将网络流量分类问题转化为灰度图分类问题,然后通过VGGNet模型搭建网络流量分类模型。该模型基于pytorch机器学习框架进行了设计和实现,提高了网络流量分类精度。其次,实时数据传输的带宽信息是非线性的时序序列,基于长短期记忆递归神经网络优秀的时间序列预测性能,同时利用迁移学习将源域知识转移到目标域,可以在数据不足的情况下,构建网络流量预测模型。该模型基于pytorch机器学习框架进行了设计和实现,相较于直接训练模型提高了预测的精度,同时降低了时间成本。该模型不仅可以在网络流量预测领域使用,还能满足其它相似应用场景的任务需求。最后,在延迟已知,带宽可预测的情况下,将备用路径设计问题公式化为具有一般链路容量和独立、同分布链路故障概率的主网络的整数线性规划问题,以提高实时数据传输的可靠性,保证不会出现因为链路故障而导致数据无法传输的情况。实际搭建网络环境十分困难,需要足够多的交换机与服务器,付出极大的代价。因此本文采用拓扑生成框架生成拓扑,拓扑中包括节点数,链路数,链路带宽,链路延迟等信息。根据上述条件,本文中提出了一种基于群智能算法的备份路径构建方案,该备份路径的限制条件为链路带宽和延迟满足,最大化指定主路径链路故障愈合能力。在算法构建完成后与基线算法进行了对比实验,从鲁棒性来看,达到了预期的目标,提高了链路故障的愈合能力同时降低了链路代价。