一种以流量工程为中心的流量矩阵预测方法技术

本发明专利技术公开了一种以流量工程为中心的流量矩阵预测方法，通过设计方法捕获与流量工程相关的流量矩阵关键特性，提出了以流量工程为中心的流量矩阵预测问题。本发明专利技术设计了相应的基于深度学习的模型实现方法，能够为流量工程提供所需的预测的流量矩阵。实验证明，在真实骨干网拓扑环境下本发明专利技术可有效缓解网络拥塞的情况，提高骨干网的性能，并有效降低了预测流量矩阵过程中的训练开销。流量矩阵过程中的训练开销。流量矩阵过程中的训练开销。

【技术实现步骤摘要】
一种以流量工程为中心的流量矩阵预测方法


[0001]本专利技术属于计算机网络
，具体涉及一种以流量工程为中心的流量矩阵预测方法。

技术介绍

[0002]流量矩阵是指由计算机网络中一段时间内每对源网络节点与目的网络节点间的流量大小构成的矩阵，流量矩阵是网络运行和管理的重要组成部分，在流量工程中，往往通过对流量矩阵中的流进行路由与重路由，来降低网络中拥塞最严重的链路的利用率。然而，由于成本与运营问题，流量矩阵往往难以直接测量。针对这一问题，可以将流量矩阵看作一个时间序列，使用特定的时间序列模型将过去的流量矩阵作为输入，预测获得下一时刻的流量矩阵。
[0003]大部分流量矩阵预测的研究都是基于历史流量来预测单个流量矩阵。其中，自回归移动平均模型(ARMA)与自回归综合移动平均模型(ARIMA)是最常见的线性序列模型预测方法，Ahmed与Cook等学者使用ARIMA进行了矩阵预测。然而，流量矩阵的时域模型会发生显著的动态变化，以至于线性预测模型无法识别并描述某些非线性特征。因此，线性模型仅适用于部分场景，无法广泛应用。
[0004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种以流量工程为中心的流量矩阵预测方法，其特征在于，包括以下步骤：步骤1、采集待测网络M天内连续时间点的流量矩阵，形成历史数据集；其中，以预测时间点的前P个时间点对应的实际流量矩阵作为输入样本，以预测的后N个时间点对应的实际流量矩阵作为标签，形成训练样本集及测试样本集；步骤2、建立流量矩阵预测模型，所述流量矩阵预测模型依次包括：归一化层、展开层、嵌入层、时序模型层、映射裁剪重组层及误差计算层；其中，所述归一化层用于对输入的流量矩阵进行归一化处理；所述展开层用于将所述归一化层生成的流量矩阵展开为一维向量；所述嵌入层用于对所述展开层生成的一维向量进行线性变换，获取一维向量中包含的空间关系；所述时序模型层，包括分别由门控循环单元形成的编码器和解码器，用于对所述嵌入层生成的向量进行迭代计算；所述映射裁剪重组层，用于将所述时序模型层输出的隐状态映射到输出向量，并对所述输出向量进行值的裁切后重组成预测流量矩阵；所述误差计算层，用于训练过程中流量矩阵预测模型的误差计算，并根据误差情况迭代更新所述流量矩阵预测模型中的参数；步骤3、采用所述步骤1中形成的训练样本集对所述流量矩阵预测模型进行训练，当训练迭代次数达到阈值时终止所述流量矩阵预测模型的训练；采用所述步骤1中形成的测试样本集测试所述流量矩阵预测模型，若所述流量矩阵预测模型的精度达到要求，则完成训练过程，执行步骤4；否则，执行所述步骤3；步骤4、将待预测流量矩阵之前的P个时刻的流量矩阵输入所述步骤3训练得到的所述流量矩阵...

【专利技术属性】
技术研发人员：郭泽华，张云天，韩宁，窦松石，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：