基于教育网活跃地址的数据预测方法、装置、设备及介质制造方法及图纸

本公开提供了一种基于教育网活跃地址的数据预测方法，该方法包括：采集并汇聚Netflow数据和全流量数据中的高校活跃地址数据；通过OLAP CUBE多维数据结构，以时间、高校类型、省份为维度，以三维结果集的形式对高校活跃地址数据进行存储；对高校活跃地址数据进行提取，得到各省份、各类型的高校在每个历史时间的活跃地址数据；基于各省份、各类型高校在每个历史时间的活跃地址数据，生成不同省份、不同类型的高校的活跃地址回归曲线；根据活跃地址回归曲线预测高校未来的活跃地址数据。归曲线预测高校未来的活跃地址数据。归曲线预测高校未来的活跃地址数据。

【技术实现步骤摘要】
基于教育网活跃地址的数据预测方法、装置、设备及介质


[0001]本公开涉及计算机
，尤其涉及一种基于教育网活跃地址的数据预测方法、装置、电子设备及介质。

技术介绍

[0002]随着教育系统信息化平台的发展应用，根据教育部规划，为现有的教育网、校园网升级，新一代教育网必然成为未来教育信息化的基础。对教育网内高校活跃地址的往期统计和未来预测，能够很好的分析出各省份、各类型高校教育网的使用情况和发展趋势，并根据使用情况和发展趋势发展针对性的网络增值业务，最终更好的把握教育网整体的发展脉搏。

技术实现思路

[0003]鉴于上述问题，本专利技术提供了一种基于教育网活跃地址的数据预测方法。
[0004]本公开的一个方面提供了一种基于教育网活跃地址的数据预测方法，包括：采集并汇聚Netflow数据和全流量数据中的高校活跃地址数据；通过OLAP CUBE多维数据结构，以时间、高校类型、省份为维度，以三维结果集的形式对所述高校活跃地址数据进行存储；对所述高校活跃地址数据进行提取，得到各省份、各类型的高校在每个历史时间的活跃地址数据；基于各省份、各类型高校在每个历史时间的活跃地址数据，生成不同省份、不同类型的高校的活跃地址回归曲线；根据所述活跃地址回归曲线预测高校未来的活跃地址数据。
[0005]可选地，所述采集并汇聚Netflow数据和全流量数据中的高校活跃地址数据包括：从所述Netflow数据和所述全流量数据中的高校活跃地址数据；按地址段整理汇总所述高校活跃地址数据，并根据预设的地址库匹配所述高校活跃地址数据的类型和所属省份信息。
[0006]可选地，所述通过OLAP CUBE多维数据结构，以时间、高校类型、省份为维度，以三维结果集的形式对所述高校活跃地址数据进行存储包括：以时间、高校类型、省份为维度，将每个维度的聚合条件下的所述高校活跃地址数据形成一张二维表；以各所述二维表的聚合字段为轴进行拼接，组成所述高校活跃地址数据的三维结果集。
[0007]可选地，所述对所述高校活跃地址数据进行提取，得到各省份、各类型的高校在每个历史时间的活跃地址数据包括：在时间维度上对三维结果集下的高校活跃地址数据进行逐层提取，取得每一历史时间各类型、各省份的高校活跃地址数据。
[0008]可选地，所述基于各省份、各类型高校在每个历史时间的活跃地址数据，生成不同省份、不同类型的高校的活跃地址回归曲线包括：以各省份、各类型高校在每个历史时间的活跃地址数据为训练数据，通过最小二乘算法进行拟合训练，得到所述活跃地址回归曲线。
[0009]可选地，所述根据所述活跃地址回归曲线预测高校未来的活跃地址数据包括：将预测时刻输入所述活跃地址回归曲线的拟合函数，得到所述预测时刻的高校的活跃地址数
据。
[0010]可选地，所述活跃地址数据包括地址段、高校名称、省份、活跃数和流量数。
[0011]本公开另一方面提供了一种基于教育网活跃地址的数据预测装置，包括：数据采集模块，用于采集并汇聚Netflow数据和全流量数据中的高校活跃地址数据；数据存储模块，用于通过OLAP CUBE多维数据结构，以时间、高校类型、省份为维度，以三维结果集的形式对所述高校活跃地址数据进行存储；数据提取模块，用于对所述高校活跃地址数据进行提取，得到各省份、各类型的高校在每个历史时间的活跃地址数据；数据模拟模块，用于基于各省份、各类型高校在每个历史时间的活跃地址数据，生成不同省份、不同类型的高校的活跃地址回归曲线；数据预测模块，用于根据所述活跃地址回归曲线预测高校未来的活跃地址数据。
[0012]本公开的另一个方面提供了一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现所述基于教育网活跃地址的数据预测方法中的各个步骤。
[0013]本公开的另一个方面提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现所述基于教育网活跃地址的数据预测方法中的各个步骤。
[0014]在本公开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：
[0015]该方法可以对高校未来的活跃地址数进行预测，并根据使用情况和发展趋势发展针对性的网络增值业务，更好的把握教育网整体的发展脉搏。
附图说明
[0016]为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：
[0017]图1示意性示出了本公开实施例提供的一种基于教育网活跃地址的数据预测方法的示意图；
[0018]图2示意性示出了本公开实施例提供的一种教育网活跃地址的三维数据示意图；
[0019]图3示意性示出了本公开实施例提供的一种基于教育网活跃地址的数据预测装置的结构框图；
[0020]图4示意性示出了本公开实施例提供的一种电子设备的结构框图。
具体实施方式
[0021]以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
[0022]在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
[0023]在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的
含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
[0024]附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
[0025]因此，本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文中，计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD
‑
ROM)；存储器，如随机存取存储器(RAM)或闪存；和/或有线/无线通信链路。
[0026]OLAP是On...

【技术保护点】

【技术特征摘要】
1.一种基于教育网活跃地址的数据预测方法，其特征在于，包括：采集并汇聚Netfiow数据和全流量数据中的高校活跃地址数据；通过OLAP CUBE多维数据结构，以时间、高校类型、省份为维度，以三维结果集的形式对所述高校活跃地址数据进行存储；对所述高校活跃地址数据进行提取，得到各省份、各类型的高校在每个历史时间的活跃地址数据；基于各省份、各类型高校在每个历史时间的活跃地址数据，生成不同省份、不同类型的高校的活跃地址回归曲线；根据所述活跃地址回归曲线预测高校未来的活跃地址数据。2.根据权利要求1所述的方法，其特征在于，所述采集并汇聚Netfiow数据和全流量数据中的高校活跃地址数据包括：从所述Netflow数据和所述全流量数据中的高校活跃地址数据；按地址段整理汇总所述高校活跃地址数据，并根据预设的地址库匹配所述高校活跃地址数据的类型和所属省份信息。3.根据权利要求1所述的方法，其特征在于，所述通过OLAP CUBE多维数据结构，以时间、高校类型、省份为维度，以三维结果集的形式对所述高校活跃地址数据进行存储包括：以时间、高校类型、省份为维度，将每个维度的聚合条件下的所述高校活跃地址数据形成一张二维表；以各所述二维表的聚合字段为轴进行拼接，组成所述高校活跃地址数据的三维结果集。4.根据权利要求1所述的方法，其特征在于，所述对所述高校活跃地址数据进行提取，得到各省份、各类型的高校在每个历史时间的活跃地址数据包括：在时间维度上对三维结果集下的高校活跃地址数据进行逐层提取，取得每一历史时间各类型、各省份的高校活跃地址数据。5.根据权利要求1所述的方法，其特征在于，所述基于各省份、各类型高校在每个历史时间的活跃地址数据，...

【专利技术属性】
技术研发人员：王岩，孙思默，李星，吴建平，王飞，王辉，
申请(专利权)人：赛尔网络有限公司，
类型：发明
国别省市：