数据处理方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种数据处理方法、装置、计算机设备及存储介质。该方法包括获取网络流量数据，通过变分模态分解算法，对网络流量数据的第一时间序列进行分解，得到K个本征模态序列；根据K个本征模态序列中的每个本征模态序列和流量特征，通过双层门控循环单元神经网络流量预测模型，计算与每个本征模态序列对应的流量预测结果；整合与每个本征模态序列对应的流量预测结果，得到预测网络流量数据。如此，根据变分模态分解算法将不平稳的时间序列分解为平稳的本征模态序列，并通过流量预测模型对每个平稳的本征模态序列进行网络流量预测，实现网络流量的预测，避免依赖人工资源造成的流量拥堵，有效节省资源消耗，提高了网络管理的效率和质量。效率和质量。效率和质量。

【技术实现步骤摘要】
数据处理方法、装置、计算机设备及存储介质


[0001]本申请属于计算机
，具体涉及一种数据处理方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着互联网的快速发展，特别是第五代移动通信技术(5th Generation Mobile Communication Technology，5G)时代的来临，用户量持续增长，网络上承载的业务和应用也日趋丰富，使得网络流量呈爆发式增长，网络规模也随之不断扩大，这给各个服务平台的网络管理带来了巨大的挑战。
[0003]在相关技术中，网络管理是响应式的解决方式，即当流量出现异常情况，网络管理系统发出告警后，管理人员再着手解决问题，如此，该网络管理方式过于依赖人工资源，如果人工处于无法及时处理异常情况，就会造成流量拥堵，降低处理异常情况效率，影响网络管理的效率和质量。

技术实现思路

[0004]本申请实施例提供一种数据处理方法、装置、计算机设备及存储介质，能够解决现有技术中响应式的网络管理方式过于依赖人工资源，容易造成流量拥堵，降低处理异常情况效率，影响网络管理的效率和质本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取网络流量数据；通过变分模态分解算法，对所述网络流量数据的第一时间序列进行分解，得到K个本征模态序列，K为大于1的整数；根据所述K个本征模态序列中的每个本征模态序列和流量特征，通过双层门控循环单元神经网络流量预测模型，计算与所述每个本征模态序列对应的流量预测结果；其中，所述流量特征由所述网络流量数据和皮尔森相关算法确定，所述流量特征为所述网络流量数据中对网络流量具有预设影响的特征；整合与所述每个本征模态序列对应的流量预测结果，得到第一预设时间段内的预测网络流量数据。2.根据权利要求1所述的方法，其特征在于，所述变分模态分解算法包括拉格朗日表达式和傅里叶等距变换函数；所述通过变分模态分解算法，对所述网络流量数据的第一时间序列进行分解，得到K个本征模态序列，包括：对所述第一时间序列进行分解，得到L个模态分量，所述L个模态分量中每个模态分量与第一中心频率对应，所述L个模态分量的带宽之和小于或等于预设带宽，L为正整数；根据所述每个模态分量和所述每个模态分量对应的第一中心频率，通过所述拉格朗日表达式，计算每个模态分量对应的第二中心频率；通过所述傅里叶等距变换函数对所述第二中心频率进行更新；在更新条件满足预设更新条件的情况下，根据与更新次数对应的模态分量的数量和预设精度值，确定K的取值。3.根据权利要求2所述的方法，其特征在于，所述对所述第一时间序列进行分解，得到L个模态分量，包括：根据预设分解条件，对所述第一时间序列进行分解，得到P个初始模态分量，P为正整数；分别对所述P个初始模态分量中每个初始模态分量进行希尔伯特变换，得到所述每个初始模态分量的单边频谱；通过预设混合估计中心频率，将所述每个初始模态分量的单边频谱调制到基频带，得到目标基频带；通过高斯平滑估计算法，对所述目标基频带进行高斯平滑估计处理，得到所述每个初始模态分量的带宽；根据所述每个初始模态分量的带宽，对所述P个初始模态分量重新划分，得到L个模态分量。4.根据权利要求2所述的方法，其特征在于，所述更新条件满足预设更新条件包括更新后的L大于或等于预设更新数量；所述通过所述傅里叶等距变换函数对所述第二中心频率进行更新，包括：基于预设迭代次数n，通过所述傅里叶等距变换函数，对所述第二中心频率和L个模态分量中每个模态分量的单分量调幅调频信号进行更新，得到与所述预设迭代次数n对应的迭代结果；
令n＝n+1，循环执行基于预设迭代次数n，通过所述傅里叶等距变换函数，对所述第二中心频率和L个模态分量中每个模态分量的单分量调幅调频信号进行更新，直至更新后的L大于或等于预设更新数量，停止执行更新。5.根据权利要求2所述的方法，其特征在于，所述变分模态分解算法还包括变分模态求解算法；所述根据与更新次数对应的模态分量的数量和预设精度值，确定K的取值，包括：根据所述与更新次数对应的模态分量的数量，通过变分模态求解算法，对拉格朗日乘数进行更新，所述拉格朗日表达式与所述拉格朗日乘数对应；在更新后的拉格朗日乘数与更新后的L个模态分量中每个模态分量的单分量调幅调频信号的关联指数小于或等于预设精度值的情况下，将与更新次数对应的模态分量的数量值确定为K的值。6.根据权利要求1所述的方法，其特征在于，所述双层门控循环单元神经网络流量预测模型包括第一门控循环单元层和第二门控循环单元层，所述一门控循环单元层的神经元个数大于第二门控循环单元层的神经元个数；所述根据所述K个本征模态序列中的每个本征模态序列和流量特征，通过双层门控循环单元神经网络流量预测模型，计算与所述每个本征模态序列对应的流量预测结果，包括：将所述每个本征模态序列对应的目标时间步长转换为多元三维序列；通过所述第一门控循环单元层对所述多元三...

【专利技术属性】
技术研发人员：石纯，魏宝辉，张辉，张春，陈国，郑文雯，林炳，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：