网络流量预测模型建立方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种网络流量预测模型建立方法、装置、电子设备及存储介质。该方法包括：获取网络流量的样本数据；提取样本数据的时间特征和空间特征，时间特征表示不同时刻的流量变化特性，空间特征表示不同地理位置的流量变化特性；将时间特征和空间特征输入至神经网络中进行迭代训练，得到网络流量的预测模型。本申请的方法，提高了网络流量预测模型的精度，进而提高了网络流量预测的准确性。而提高了网络流量预测的准确性。而提高了网络流量预测的准确性。

【技术实现步骤摘要】
网络流量预测模型建立方法、装置、电子设备及存储介质


[0001]本申请涉及网络流量预测领域，尤其涉及一种网络流量预测模型建立方法、装置、电子设备及存储介质。

技术介绍

[0002]随着移动互联网以及物联网的飞速发展，数据流量使用急剧增加，对网络流量实现准确的预测对网络容量管理、网络运行状态监控以及提高网络运行服务质量都具有重要意义。
[0003]现有技术在对网络流量进行预测时，通常通过回归滑动平均模型进行预测。回归滑动平均模型适用于线性预测，通过时间序列预测的方式，但是这种模型只适合于网络流量波动性不太大的模型，而对于通信链路波动性较大的情况，该预测模型预测结果不够准确。因此，现有技术的网络流量预测方法精度较低。

技术实现思路

[0004]本申请提供一种网络流量预测模型建立方法、装置、电子设备及存储介质，用以解决现有技术在预测网络流量时预测精度低的问题。
[0005]一方面，本申请提供一种网络流量预测模型的建立方法，包括：
[0006]获取网络流量的样本数据；
[0007]提取样本数据的时间特征和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络流量预测模型的建立方法，其特征在于，包括：获取网络流量的样本数据；提取所述样本数据的时间特征和空间特征；所述时间特征表示不同时刻的流量变化特性，所述空间特征表示不同地理位置的流量变化特性；将所述时间特征和所述空间特征输入至神经网络中进行迭代训练，得到网络流量的预测模型。2.根据权利要求1所述的方法，其特征在于，所述提取所述样本数据的时间特征和空间特征，包括：基于所述样本数据采用卷积神经网络构建每一时刻的邻接矩阵，所述邻接矩阵中的行和列中的一个表示所述样本数据的空间特征，另一个表示所述样本数据的时间特征。3.根据权利要求2所述的方法，其特征在于，所述将所述时间特征和所述空间特征输入至神经网络中进行迭代训练，包括：基于所述邻接矩阵构建多个输入数据序列；将所述多个输入数据序列输入所述神经网络中进行迭代训练。4.根据权利要求3所述的方法，其特征在于，所述将所述多个输入数据序列输入所述神经网络中进行迭代训练，包括：分别将每个输入数据序列输入至多个神经网络中进行初始训练；根据所述初始训练结果调整所述多个神经网络的权重进行迭代计算，直至每个所述神经网络的流量预测结果小于阈值。5.根据权利要求4所述的方法，其特征在于，所述神经网络的个数与所述输入数据序列的个数相同，每个所述神经网络的初始权重相同。6.根据权利要求4或5所述的方法，其特征在...

【专利技术属性】
技术研发人员：樊学宝，何春霞，黄智勇，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：