一种物联网边缘流量预测方法、装置及设备制造方法及图纸

本说明书实施例公开了一种物联网边缘流量预测方法、装置及设备。方案包括：获取历史数据量和当前时段数据传输量；对历史数据量和当前时段数据传输量分别进行数据时间对齐；对对齐后的历史数据量和当前时段数据传输量进行数据拟合；采用灰色模型和长短期记忆网络对拟合后的数据进行预测，得到预测结果。本方案根据物联网边缘流量的不确定性，提出了应用LSTM和灰色模型相结合的方法进行长短期流量预测，从而实现了边缘流量的全方位预测，有效解决物联网终端的数据存储和预计算，提高物联网边缘流量预测的准确性。

【技术实现步骤摘要】
一种物联网边缘流量预测方法、装置及设备
本申请涉及物联网
，尤其涉及一种物联网边缘流量预测方法、装置及设备。
技术介绍
智能设备的普及，带动了物联网技术的应用和发展。物联网数据是分布式的管理，海量物联网数据已不适合传统数据的管理方式。物联网是新一代信息技术的重要组成部分，同样是信息发展的重大标志。物联网通过连接智能设备，使得异构实体之间更容易收集、流通、处理和共享数据。传感器是物联网的节点，通过物联网连接的设备和技术可以实时监控和测量数据，从而节省时间和金钱，物联网各节点之间会进行信息传递和数据传输，那么如何根据各节点历史数据传输量和当前时段数据传输量来预测未来数据传输量是一个值得研究的方向。
技术实现思路
有鉴于此，本申请实施例提供了一种物联网边缘流量预测方法、装置及设备，用于提高物联网边缘流量预测的准确性。为解决上述技术问题，本说明书实施例是这样实现的：第一方面，本说明书实施例提供的一种物联网边缘流量预测方法，包括：获取历史数据量和当前时段数据传输量；对历史数据量和当前时段数据传输量分别进行数据时间对齐；对对齐后的历史数据量和当前时段数据传输量进行数据拟合；采用灰色模型和长短期记忆网络对拟合后的数据进行预测，得到预测结果。可选的，所述灰色模型用于短期数据预测，所述长短期记忆网络用于长期数据预测。可选的，所述采用灰色模型和长短期记忆网络对拟合后的数据进行预测，具体包括：设定时间阈值T，当历史时刻t≤T时，采用灰色模型对下一时刻的数据值进行预测，当历史时刻t>T时，采用长短期记忆网络对下一时刻的数据值进行预测进行预测，根据两者的预测结果进行加权平均得到最终的预测数值。可选的，所述对历史数据量和当前时段数据传输量分别进行数据时间对齐，具体包括：根据历史数据量确定变化变化曲线；采用动态时间规整算法将当前时间段数据传输量和所述变化曲线进行时间对齐。可选的，所述采用动态时间规整算法将当前时间段数据传输量和所述变化曲线进行时间对齐，具体包括：确定所述当前时间段数据传输量的第一时间序列；确定所述变化曲线的第二时间序列；判断所述第一时间序列和所述第二时间序列的长度是否相同，得到判断结果；当所述判断结果表示所述第一时间序列和所述第二时间序列的长度相同时，计算所述第一时间序列与所述第二时间序列的距离。可选的，所述方法还包括：当所述判断结果表示所述第一时间序列和所述第二时间序列的长度不相同时，根据所述第一时间序列的长度和所述第二时间序列的长度构造一个矩阵网络，矩阵某一位置的元素为两个点的距离，通过动态回归的方法寻找一条通过此网络中若干格点的路径，路径通过的格点即为两个序列进行计算的对齐的点。可选的，所述长短期记忆网络具有长短时记忆功能，包括：遗忘门、输入门和输出门。第二方面，本说明书实施例提供的一种物联网边缘流量预测装置，包括：数据获取模块，用于获取历史数据量和当前时段数据传输量；数据对齐模块，用于对历史数据量和当前时段数据传输量分别进行数据时间对齐；数据拟合模块，用于对对齐后的历史数据量和当前时段数据传输量进行数据拟合；数据预测模块，用于采用灰色模型和长短期记忆网络对拟合后的数据进行预测，得到预测结果。第三方面，本说明书实施例提供的一种物联网边缘流量预测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取历史数据量和当前时段数据传输量；对历史数据量和当前时段数据传输量分别进行数据时间对齐；对对齐后的历史数据量和当前时段数据传输量进行数据拟合；采用灰色模型和长短期记忆网络对拟合后的数据进行预测，得到预测结果。第四方面，本说明书实施例提供的一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现：获取历史数据量和当前时段数据传输量；对历史数据量和当前时段数据传输量分别进行数据时间对齐；对对齐后的历史数据量和当前时段数据传输量进行数据拟合；采用灰色模型和长短期记忆网络对拟合后的数据进行预测，得到预测结果。本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：本方案根据物联网边缘流量的不确定性，提出了应用LSTM和灰色模型相结合的方法进行长短期流量预测，从而实现了边缘流量的全方位预测，有效解决物联网终端的数据存储和预计算，提高物联网边缘流量预测的准确性。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本说明书实施例提供的一种物联网边缘流量预测方法的流程示意图；图2为本说明书实施例提供的LSTM工作过程；图3为本说明书实施例提供的对应于图1的一种物联网边缘流量预测装置的结构示意图；图4为本说明书实施例提供的对应于图1的一种物联网边缘流量预测设备的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。以下结合附图，详细说明本申请各实施例提供的技术方案。图1为本说明书实施例提供的一种物联网边缘流量预测方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于应用服务器的程序或应用客户端。如图1所示，该流程可以包括以下步骤：步骤110：获取历史数据量和当前时段数据传输量。物联网的节点是传感器，传感器从物联网消费者收集信息，例如安全系统、智能电气等，另外，传感器也可从商业设备中收集。传感器收集数据，数据可以被传输、保存，并且可以进行随时检索。要预测未来物联网各节点的数据传输量，就需要先获取当前和历史数据量，作为输入数据，使用预测模型进行预测。步骤120：对历史数据量和当前时段数据传输量分别进行数据时间对齐。根据实际生活情况，一天从早到晚物联网各节点的数据传输量是有较大差异的，所以可把一天划分为若干个时间段，每个时间段包含若干个时间片，对某一时间片车流量信息的预测可仅依赖于该时间段的历史数据量和当前时间段的数据量。物联网各节点的数据传输量在一天中会有高峰时期，每日的数据传输量高峰期出现的时间可能会存在一定程度的偏移，因此，需要使用动态时间规整算法将当前时间段的数据量和变化曲线进行时间对齐，从而得到下一批次数据的到达速率。其中，变化曲线是指随着时间的变本文档来自技高网...

【技术保护点】
1.一种物联网边缘流量预测方法，其特征在于，包括：/n获取历史数据量和当前时段数据传输量；/n对历史数据量和当前时段数据传输量分别进行数据时间对齐；/n对对齐后的历史数据量和当前时段数据传输量进行数据拟合；/n采用灰色模型和长短期记忆网络对拟合后的数据进行预测，得到预测结果。/n

【技术特征摘要】
1.一种物联网边缘流量预测方法，其特征在于，包括：
获取历史数据量和当前时段数据传输量；
对历史数据量和当前时段数据传输量分别进行数据时间对齐；
对对齐后的历史数据量和当前时段数据传输量进行数据拟合；
采用灰色模型和长短期记忆网络对拟合后的数据进行预测，得到预测结果。


2.如权利要求1所述的方法，其特征在于，所述灰色模型用于短期数据预测，所述长短期记忆网络用于长期数据预测。


3.如权利要求1所述的方法，其特征在于，所述采用灰色模型和长短期记忆网络对拟合后的数据进行预测，具体包括：
设定时间阈值T，当历史时刻tjT时，采用灰色模型对下一时刻的数据值进行预测，当历史时刻t>T时，采用长短期记忆网络对下一时刻的数据值进行预测进行预测，根据两者的预测结果进行加权平均得到最终的预测数值。


4.如权利要求1所述的方法，其特征在于，所述对历史数据量和当前时段数据传输量分别进行数据时间对齐，具体包括：
根据历史数据量确定变化变化曲线；
采用动态时间规整算法将当前时间段数据传输量和所述变化曲线进行时间对齐。


5.如权利要求1所述的方法，其特征在于，所述采用动态时间规整算法将当前时间段数据传输量和所述变化曲线进行时间对齐，具体包括：
确定所述当前时间段数据传输量的第一时间序列；
确定所述变化曲线的第二时间序列；
判断所述第一时间序列和所述第二时间序列的长度是否相同，得到判断结果；
当所述判断结果表示所述第一时间序列和所述第二时间序列的长度相同时，计算所述第一时间序列与所述第二时间序列的距离。


6.如权利要求5所述的方法，其...

【专利技术属性】
技术研发人员：郑涛，孙思思，赵劭康，牛为华，王新颖，康之曾，王兆辉，刘成龙，刘云龙，赵梦瑶，杨力平，辛锐，张鹏飞，
申请(专利权)人：国网河北省电力有限公司信息通信分公司，华北电力大学保定，国家电网有限公司，
类型：发明
国别省市：河北;13