【技术实现步骤摘要】
网络带宽的调整方法、装置和设备
[0001]本申请涉及通信网络
,尤其涉及一种网络带宽的调整方法、装置和设备。
技术介绍
[0002]随着运营商专线网络的发展,专线承载的用户业务需要大量的网络流量。在网络流量激增时,为了保障用户专线的网络畅通,需要及时调整用户专线网络的网络带宽。
[0003]现有技术中,利用模型或者专家规则,对用户专线网络的历史流量数据进行处理,预测出用户的网络流量使用情况,进而动态的调整用户专线的网络带宽。
[0004]但是上述方式中,基于模型的流量预测方法,存在数据处理误差放大的情况,并且,基于专家规则的流量预测方法,无法精细化预测的流量变化情况;因此,无法得到准确的流量预测结果,进而无法准确的调整网络使用带宽,导致网络拥堵,用户业务无法及时得到处理。
技术实现思路
[0005]本申请提供一种网络带宽的调整方法、装置和设备,用以解决存在数据处理误差放大进而无法准确的调整网络使用带宽的问题。
[0006]第一方面,本申请提供一种网络带宽的调整方法,所述方法包括:
[0007]采集目标用户的待识别数据;其中,所述待识别数据为预设时间段内所述目标用户所使用的网络流量数据;
[0008]根据所述待识别数据,确定所述待识别数据所对应的第一特征数据;
[0009]将所述待识别数据所对应的第一特征数据,输入至预设预测模型中,得到预测网络流量数据;其中,所述预测网络流量数据为预测的当前时间段内所述目标用户所使用的网络流量数据;
[00 ...
【技术保护点】
【技术特征摘要】
1.一种网络带宽的调整方法,其特征在于,所述方法包括:采集目标用户的待识别数据;其中,所述待识别数据为预设时间段内所述目标用户所使用的网络流量数据;根据所述待识别数据,确定所述待识别数据所对应的第一特征数据;将所述待识别数据所对应的第一特征数据,输入至预设预测模型中,得到预测网络流量数据;其中,所述预测网络流量数据为预测的当前时间段内所述目标用户所使用的网络流量数据;根据所述预测网络流量数据,调整所述目标用户的网络带宽。2.根据权利要求1所述的方法,其特征在于,根据所述待识别数据,确定所述待识别数据所对应的第一特征数据,包括:对所述待识别数据进行重采样处理,得到所述待识别数据所对应的第二特征数据和第三特征数据;其中,所述第二特征数据为每一预设时间段内所述待识别数据中的网络流量数据中的峰值数据;所述第三特征数据包括所述待识别数据中每一预设时间段内的网络流量数据中的平均值数据、方差数据、四分之一分位数数据、四分之三分位数数据以及频域数据;对所述待识别数据所对应的第二特征数据和第三特征数据进行拼接处理,得到所述待识别数据所对应的第四特征数据;对所述待识别数据所对应的第四特征数据进行检验,得到所述待识别数据所对应的第一特征数据。3.根据权利要求2所述的方法,其特征在于,对所述待识别数据进行重采样处理,得到所述待识别数据所对应的第二特征数据和第三特征数据,包括:对所述待识别数据进行插值补齐,得到所述待识别数据所对应的第二特征数据和第三特征数据。4.根据权利要求2所述的方法,其特征在于,对所述待识别数据所对应的第四特征数据进行检验,得到所述待识别数据所对应的第一特征数据,包括:对所述待识别数据所对应的第四特征数据进行平滑处理,得到平滑后的第四特征数据;对所述平滑后的第四特征数据进行稳定性检验,得到检验后的第四特征数据;对所述检验后的第四特征数据进行归一化处理,得到所述待识别数据所对应的第一特征数据。5.根据权利要求1所述的方法,其特征在于,根据所述预测网络流量数据,调整所述目标用户的网络带宽,包括:若确定所述预测网络流量数据中的最大值大于或者等于预设阈值,则根据所述最大值,调整所述目标用户的网络带宽。6.根据权利要求1
‑
5中任一项所述的方法,其特征在于,在将所述待识别数据所对应的第一特征数据,输入至预设预测模型中,得到预测网络流量数据之后,还包括:对所述预测网络流量数据进行还原处理,得到还原后的预测网络流量数据。7.根据权利要求1
‑
5中任一项所述的方法,其特征在于,所述方法还包括:根据预设阈值范围,对所述预测网络流量数据进行规则校验,得到校验后的预测网络
流量数据。8.根据权利要求7所述的方法,其特征在于,根据预设阈值范围,对所述预测网络流量数据进行校验,得到校验后的预测网络流量数据,包括:若确定所述预测网络流量数据不处于所述预设阈值范围之内,则将所述预测网络流量数据中处于所述预设阈值范围之内的网络流量数据,确定为所述校验后的预测网络流量数据。9.一种应用于网络带宽调整的预测模型的训练方法,其特征在于,所述方法包括:获取网络用户的待训练数据;其中,所述待训练数据为预设时间段内所述网络用户所使用的网络流量数据;根据所述待训练数据,确定所述待训练数据所对应的第一特征数据;根据所述待训练数据所对应的第一特征数据,对第一初始模型和第二初始模型分别进行训练,得到所述预设预测模型;其中,所述预设预测模型用于对如权利要求1
‑
8中任一项所述的方法中的特征数据进行处理,得到预测网络流量数据后进行网络带宽调整。10.根据权利要求9所述的方法,其特征在于,根据所述待训练数据,确定所述待训练数据所对应的第一特征数据,包括:对所述待训练数据进行重采样处理,得到所述待训练数据所对应的第二特征数据和第三特征数据;其中,所述第二特征数据为每一预设时间段内所述待训练数据中的网络流量数据中的峰值数据;所述第三特征数据包括所述待训练数据中每一预设时间段内的网络流量数据中的平均值数据、方差数据、四分之一分位数数据、四分之三分位数数据以及频域数据;对所述待训练数据所对应的第二特征数据和第三特征数据进行拼接处理,得到所述待训练数据所对应的第四特征数据;对所述待训练数据所对应的第四特征数据进行检验,得到所述待训练数据所对应的第一特征数据。11.根据权利要求10所述的方法,其特征在于,对所述待训练数据进行重采样处理,得到所述待训练数据所对应的第二特征数据和第三特征数据,包括:对所述待训练数据进行插值补齐,得到所述待训练数据所对应的第二特征数据和第三特征数据。12.根据权利要求10所述的方法,其特征在于,对所述待训练数据所对应的第四特征数据进行检验,得到所述待训练数据所对应的第一特征数据,包括:对所述待训练数据所对应的第四特征数据进行平滑处理,得到平滑后的第四特征数据;对所述平滑后的第四特征数据进行稳定性检验,得到检验后的第四特征数据;对所述检验后的第四特征数据进行归一化处理,得到所述待训练数据所对应的第一特征数据。13.根据权利要求9
‑
12中任一项所述的方法,其特征在于,所述待训练数据具有实际网络流量数据;所述实际网络流量数据为实际的所述网络用户所使用的网络流量数据;根据所述待训练数据所对应的第一特征数据,对第一初始模型和第二初始模型分别进行训练,得到所述预设预测模型,包括:
将所述待训练数据所对应的第一特征数据,输入至所述第一初始模型,得到所述第一初始模型所对应的预测网络流量数据和训练后的第一初始模型;并将所述待训练数据所对应的第一特征数据,输入至所述第二初始模型,得到所述第二初始模型所对应的预测网络流量数据和训练后的第二初始模型;其中,所述预测网络流量数据为预测的所述网络用户所使用的网络流量数据;根据所述第一初始模型所对应的预测网络流量数据、所述第二初始模型所对应的预测网络流量数据以及所述实际网络流量数据,确定所述预设预测模型。14.根据权利要求13所述的方法,其特征在于,根据所述第一初始模型所对应的预测网络流量数据、所述第二初始模型所对应的预测网络流量数据以及所述实际网络流量数据,确定所述预设预测模型,包括:根据所述第一初始模型所对应的预测网络流量数据和所述实际网络流量数据,确定第一误差值;其中,所述第一误差值表征所述第一初始模型所对应的预测网络流量数据和所述实际网络流量数据二者之间的差异程度;根据所述第二初始模型所对应的预测网络流量数据和所述实际网络流量数据,确定第二误差值;其中,所述第二误差值表征所述第二初始模型所对应的预测网络流量数据和所述实际网络流量数据二者之间的差异程度;若确定所述第一误差值小于或者等于所述第二误差值,则确定所述训练后的第一初始模型为所述预设预测模型;否则,则确定所述训练后的第二初始模型为所述预设预测模型。15.根据权利要求13所述的方法,其特征在于,在将所述待训练数据所对应的第一特征数据,输入至所述第一初始模型,得到所述第一初始模型所对应的预测网络流量数据;并将所述待训练数据所对应的第一特征数据,输入至所述第二初始模型,得到所述第二初始模型所对应的预测网络流量数据之后,所述方法还包括:对所述第一初始模型所对应的预测网络流量数据进行还原,得到还原后的第一初始模型所对应的预测网络流量数据;并对所述第二初始模型所对应的预测网络流量数据进行还原,得到还原后的第二初始模型所对应的预测网络流量数据。16.一种网络带宽的调整装置,其特征在于,所述装置包括:采集单元,用于采集目标用户的待识别数据;其中,所述待识别数据为预设时间段内所述目标用户所使用的网...
【专利技术属性】
技术研发人员:李珊珊,刘贤松,王宏鼎,邱倩琳,陈凌,屠梓浩,李瑞玲,朱鹏,钟晨杰,石旭荣,
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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。