一种基于GRU模型的网络流量预测方法技术

本发明专利技术公开了一种基于GRU模型的网络流量预测方法，涉及信息通信技术领域；其为将网络流量数据序列输入到GRU神经网络模型中并完成预测网络流量；其通过将网络流量数据序列输入到GRU神经网络模型中并完成预测网络流量等，实现提高了网络流量预测的准确度和效果。

A prediction method of network traffic based on Gru model

【技术实现步骤摘要】
一种基于GRU模型的网络流量预测方法
本专利技术涉及信息通信
，尤其涉及一种基于GRU模型的网络流量预测方法。
技术介绍
电力数据通信网是综合性的广域网络传输平台，也是电力信息基础设施的重要组成部分。随着电力数据网的迅速发展，网络规模不断扩大，越来越需要有足够的、可靠的信息支撑来保障电力数据网安全可靠的运行。对电力数据网的网络流量进行预测能够为电力数据网的安全运行提供重要信息，特别是对于实现提前感知电力数据网的流量异常和运行状态异常，从而保障电力数据网的运行，因此具有重要的研究价值和应用前景。在通常情况下，网络流量数据受着多种复杂且随机的因素的影响，但本质上网络流量数据是非线性的时间序列数据。现代互联网的特性使得网络流量预测在提高网络效率、可靠性以及适应性方面显得尤为重要。近年来，已有很多学者在网络流量预测方面做出研究，提出了许多网络流量预测方法。目前，用于网络流量预测的预测模型包括时间序列模型、神经网络模型等。但是由于网络流量数据序列受着多种不确定因素的影响，影响因素数据难以表达，因此网络流量序列具有的高度非线性和非平稳性的复杂本文档来自技高网...

【技术保护点】
1.一种基于GRU模型的网络流量预测方法，其特征在于：将网络流量数据序列输入到GRU神经网络模型中并完成预测网络流量。/n

【技术特征摘要】
1.一种基于GRU模型的网络流量预测方法，其特征在于：将网络流量数据序列输入到GRU神经网络模型中并完成预测网络流量。


2.根据权利要求1所述的一种基于GRU模型的网络流量预测方法，其特征在于：所述GRU神经网络模型的数量为三个，分别是GRU-SGD模型、GRU-Adam模型和GRU-AdaGrad模型，所述GRU-SGD模型为使用SGD梯度下降算法的神经网络模型，所述GRU-Adam模型为使用Adam梯度下降算法的神经网络模型，所述GRU-AdaGrad模型为使用AdaGrad梯度下降算法的神经网络模型，分别利用GRU-SGD模型、GRU-Adam模型和GRU-AdaGrad模型预测，将每一模型预测的数据相加求平均值得到预测的网络流量数据。


3.根据权利要求1所述的一种基于GRU模型的网络流量预测方法，其特征在于：具体地包括S1～S5步骤，
S1、获取历史网络流量数据；
S2、确定历史网络流量数据中的训练数据和验证数据；
S3、将训练数据带入到每一GRU神经网络模型中进行训练；
S4、通过三个GRU神经网络模型对验证数据进行预测；
S5、将预测得到的数据相加求平均得到预测的网络流量数据。


4.根据权利要求3所述的一种基于GRU模型的网络流量预测方法，其特征在于：其中S3步骤具体包括S31步骤，
S31、共有三种GRU神经网络模型，分别为GRU-SGD模型、GRU-Adam模型和GRU-AdaGrad模型，所述GRU-SGD模型为使用SGD梯度下降算法的神经网络模型，所述GRU-Adam模型为使用Adam梯度下降算法的神经网络模型，所述GRU-AdaGrad模型为使用AdaGrad梯度下降算法的神经网络模型，将训练数据分别输入到每一GRU...

【专利技术属性】
技术研发人员：赵炜，尚立，杨会峰，李井泉，江明亮，王旭蕊，刘惠，纪春华，杨杨，郭少勇，喻鹏，
申请(专利权)人：国网河北省电力有限公司信息通信分公司，国家电网有限公司，北京邮电大学，
类型：发明
国别省市：河北;13