1.一种用于网络可靠性评估的数据集构建方法，其特征在于：所述方法包括以下步骤：步骤a：初始化基本参数以及需要批量随机生成的参数；

步骤b：随机生成网络最大容量向量与需求；

步骤c：随机生成网络概率矩阵；

步骤d：根据多态极小路算法计算网络可靠性，得到若干网络及其可靠性的集合；

所述集合经预处理后对多层残差感知机网络进行训练，得到预训练的多层残差感知机网络；通过预训练的多层残差感知机网络对实时网络进行可靠性评估；

在步骤a中，初始化的基本参数包括：网络节点数量 、边数量 以及网络拓扑结构的邻接矩阵 ，其中，邻接矩阵 表示为：其中， 表示节点与节点之间不连接， 表示节点与节点之间连接；

初始化需要随机生成的网络容量分布数量 ；

在步骤b中，根据网络的邻接矩阵随机生成每条边 的最大容量 ，其中， ，且， 为正整数；

所有 组成最大容量向量 ，即：

随机产生网络需求 ， 且 为整数，其中：代表当前网络最大容量向量 中的最大值；

在步骤c中，根据网络的邻接矩阵和每条边 的最大容量 随机生成边 所有容量状态所对应的概率矩阵：P=

式中， ，其表示概率矩阵的列数；每一个元素 代表第 条边 处于第种容量状态的概率，且 ；

对于每个 ，如果 则 ，其中， ；

概率矩阵 的每行元素满足如下约束： < 。

2.根据权利要求1所述的一种用于网络可靠性评估的数据集构建方法，其特征在于：在步骤d中，求解出网络中所有的多态极小路，其过程为：首先，求解满足条件C1和C2的所有可行流向量 ：然后根据条件C3将所有可行流向量 转化为多态极小路 ：其中，λ是网络从源点到汇点的所有极小路的数量， 是通过极小路 的流量，代表极小路 的最大容量；

当得到网络所有的多态极小路后，利用不交和算法计算网络可靠性。

3.一种网络可靠性评估方法，其特征在于：所述方法包括以下步骤：S1、采用如权利要求1‑2任一所述的用于网络可靠性评估的数据集构建方法生成对应的数据集；

S2、对数据集中的可靠性评估数据进行预处理；

S3、建立用于评估网络可靠性的多层残差感知机网络；

S4、基于预处理后的数据集对多层残差感知机网络进行训练，得到预训练的多层残差感知机网络；

S5、通过预训练的多层残差感知机网络对实时网络进行可靠性评估。

4.根据权利要求3所述的网络可靠性评估方法，其特征在于：在步骤S2中，对于生成的数据集进行预处理，其包括：S21、获取特征数据：将最大容量向量 中的每个 视为一个特征数据，则共有 个特征数据，其次将输入邻接矩阵G中的每个元素 视为一个特征数据，则共有个特征数据；再者，将生成的概率矩阵P中的每个元素 视为一个特征数据，则共有含 个特征数据；

S22、将最大容量向量 与需求d进行拼接得到新的向量 ，对拼接后的数 据向量 进行最大最 小归一化处 理，归一 化后向量记 为；

S23、对邻接矩阵G和概率矩阵P进行展平操作，展平后邻接矩阵的表示形式为：展平后的概率矩阵的表示形式为：

式中，表示概率矩阵的列数；

S24、将归一化后的各向量与展平后的各向量拼接，得到最终数据形式：完成数据预处理过程。

5.根据权利要求4所述的网络可靠性评估方法，其特征在于：在步骤S3中，建立的多层残差感知机网络包括若干残差与捷径分支结构，其中，多层残差感知机网络的主干采用多层感知机堆叠，第一层以全连接层和LeakyReLU激活函数作为输入层，将输入的特征数据映射到高维空间，扩展其特征数量；

然后进入由一系列堆叠的残差结构组成的特征提取模块，进行特征提取，每一层网络均由全连接层和LeakyReLU激活函数组成，其中奇数层为残差结构，其余层用于为残差结构调整特征维度，并且，输入层和特征提取模块之间由一个捷径分支相连，用于加强特征的表征，捷径分支上有一个全连接层；

最后，再经过最终的输出层网络，输出层网络由全连接层和Sigmoid激活函数组成，根据提取的若干组特征得到最终的可靠性预测结果，Sigmoid激活函数用于激活输出层网络并且将输出概率限制在0到1之间。

6.根据权利要求5所述的网络可靠性评估方法，其特征在于：采用小批量梯度下降训练方法，基于预处理后的数据集对建立的多层残差感知机网络进行训练，其中，损失函数为均方误差损失，优化器为Adam优化器，设置初始学习率，动态学习率衰减策略为余弦退火衰减策略，衰减过程中的衰减周期计算以迭代次数为参考，当学习率达到预期目标时完成训练。