光传送网流量预测方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种光传送网流量预测方法、装置、电子设备及存储介质，涉及通信技术领域。该方法包括获取第一时间段的光传送网OTN流量数据；将第一时间段的OTN流量数据输入训练完成的OTN流量预测模型，以获得第二时间段的OTN流量数据，其中，第二时间段为第一时间段之后的一个时间段；其中，OTN流量预测模型基于历史OTN流量数据训练，OTN流量预测模型包括卷积神经网络CNN模型和长短期记忆LSTM模型；CNN模型用于提取光传送网流量的局部特征，LSTM模型用于提取光传送网流量的时序特征。本公开能够能够在广泛应用于各类端口、板卡乃至设备层面的光传送网流量预测场景的同时，保持极高的预测准确度。准确度。准确度。

Traffic prediction method, device, electronic equipment and storage medium of optical transmission network

【技术实现步骤摘要】
光传送网流量预测方法、装置、电子设备及存储介质


[0001]本公开涉及通信
，尤其涉及一种光传送网流量预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着网络流量爆发式增长，光传送网所承载的业务种类和流量特征日趋复杂，特别是在逐步直接面向客户提供高品质专线服务时，经常会出现扩容周期长且迟滞于客户需求的现象，导致客户服务体验差。由于光传送网流量的持续性增长和不同业务之间的差异性，导致网络承载流量的动态性强，资源分配需要动态调整，给网络规划和带宽扩容带来了困难。在此前提下，通过对光传送网流量进行有效预测，可以协助对资源精细化分配，从而降低运维成本，同时也能够预警流量异常及时规避风险，保障网络安全稳定运行。
[0003]目前，对于光传送网流量的预测往往采用卷积神经网络(CNN，Convolutional Neural Networks)模型对原始光传送网流量数据的特征进行提取，但由于CNN模型并不考虑各个特征之间的时间相关性，尤其对于所承载业务种类和流量特征日趋复杂的光传送网，其流量有着波动较大且规律非显性的数据特性，不能进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光传送网流量预测方法，其特征在于，包括：获取第一时间段的光传送网OTN流量数据；将所述第一时间段的OTN流量数据输入训练完成的OTN流量预测模型，以获得第二时间段的OTN流量数据，其中，所述第二时间段为所述第一时间段之后的一个时间段；其中，所述OTN流量预测模型基于历史OTN流量数据训练，所述OTN流量预测模型包括卷积神经网络CNN模型和长短期记忆LSTM模型；所述CNN模型用于提取光传送网流量的局部特征，所述LSTM模型用于提取光传送网流量的时序特征。2.根据权利要求1所述的光传送网流量预测方法，其特征在于，所述CNN模型包括依次连接的卷积层、第一批归一化层、第一池化层；所述LSTM模型包括依次连接的长短期记忆单元、第二池化层、全连接层、第二批归一化层；所述第一池化层与所述长短期记忆单元连接，在所述第二批归一化层之后还连接有第三池化层。3.根据权利要求1所述的光传送网流量预测方法，其特征在于，所述OTN流量预测模型的训练过程，包括：采集所述历史OTN流量数据；基于所述历史OTN流量数据训练所述OTN流量预测模型，得到训练完成的OTN流量预测模型。4.根据权利要求3所述的光传送网流量预测方法，其特征在于，在对所述OTN流量预测模型的训练过程中，采用归一化均方根误差作为损失函数。5.根据权利要求3所述的光传送网流量预测方法，其特征在于，所述基于所述历史OTN流量数据训练所述OTN流量预测模型，得到训练完成的OTN流量预测模型，具体包括：按照预设周期将所述历史OTN流量数据划分为K个流量数据集，其中，K为正整数；基于K个所...

【专利技术属性】
技术研发人员：刘言，胡骞，李俊杰，尹立云，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：