网络指标预测方法和装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种网络指标预测方法和装置、电子设备及存储介质，属于人工智能、网络通信技术领域。该方法包括：获取待预测网络指标的样本预测数据；将第一样本网络数据输入至目标数据预测模型，得到第一预测网络数据；根据第一预测网络数据、第二样本网络数据得到预测误差数据，根据预测误差数据确定预测结果；若预测结果表示预测误差数据满足预设的预测条件，获取第一目标网络数据，将第一目标网络数据输入至目标数据预测模型，得到第二目标网络数据；将第一目标网络数据和第二目标网络数据输入至目标网络指标预测模型进行网络指标预测。本申请实施例能够利用不容易得到的数据进行网络指标预测，从而提高预测的准确性。性。性。

【技术实现步骤摘要】
网络指标预测方法和装置、电子设备及存储介质


[0001]本申请涉及人工智能
和网络通信
，尤其涉及一种网络指标预测方法和装置、电子设备及存储介质。

技术介绍

[0002]用户体验速率，是指单位时间内用户获得的数据速率，用于表示真实网络环境下用户可获得的传输速率。由此可知，用户体验速率可以作为网络优化的性能指标。相关技术中，通过深度神经网络等机器学习方法对用户体验速率进行预测。具体地，搭建预测模型，并将从真实网络环境中收集到的数据作为预测模型的输入，预测模型的输出即为用户体验速率。但是在上述方法中，模型的输入数据中可能存在不容易得到的数据，不容易得到的数据是指需进行复杂的计算或复杂预测操作的数据。对于这些不容易得到的数据，相关技术中存在如下两种处理方式：第一种，将这些数据作为已知数据，直接输入预测模型，这样做的好处是预测模型能够输出较好的预测结果，但由于这些数据是不容易得到的，所以实际操作中存在困难；第二种，将这些数据舍弃，这样做会使输入数据的数据量变少，导致预测模型的预测准确性降低。因此，如何提供一种能够利用这些不容易得到的数据进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络指标预测方法，其特征在于，所述方法包括：获取待预测网络指标的样本预测数据；其中，所述样本预测数据包括第一样本网络数据和第二样本网络数据，所述第一样本网络数据的获取便捷性大于所述第二样本网络数据；将所述第一样本网络数据输入至预设的目标数据预测模型进行网络数据预测，得到第一预测网络数据；根据第一预测网络数据、第二样本网络数据得到预测误差数据，根据所述预测误差数据确定预测结果；若所述预测结果表示所述预测误差数据满足预设的预测条件，获取所述待预测网络指标的第一目标网络数据，将所述第一目标网络数据输入至所述目标数据预测模型进行网络数据预测，得到第二目标网络数据；其中，所述第一目标网络数据的数据类型与所述第一样本网络数据的数据类型一致；将所述第一目标网络数据和所述第二目标网络数据输入至预设的目标网络指标预测模型进行网络指标预测。2.根据权利要求1所述的方法，其特征在于，在所述将所述第一目标网络数据和所述第二目标网络数据输入至预设的目标网络指标预测模型进行网络指标预测之前，所述方法还包括训练所述目标网络指标预测模型，具体包括：若所述预测结果表示所述预测误差数据满足所述预测条件，将所述第一样本网络数据和所述第一预测网络数据输入至预设的原始网络指标预测模型进行网络指标预测，得到预测指标数据；获取所述待预测网络指标的样本指标数据；根据所述预测指标数据、所述样本指标数据对所述原始网络指标预测模型进行参数调整，得到所述目标网络指标预测模型。3.根据权利要求1所述的方法，其特征在于，在所述将所述第一样本网络数据输入至预设的目标数据预测模型进行网络数据预测，得到第一预测网络数据之前，所述方法还包括训练所述目标数据预测模型，具体包括：将所述第一样本网络数据输入至预设的原始数据预测模型进行网络数据预测，得到第二预测网络数据；根据所述第二样本网络数据、所述第二预测网络数据对所述原始数据预测模型进行参数调整，得到所述目标数据预测模型。4.根据权利要求2所述的方法，其特征在于，所述待预测网络指标包括用户体验速率，所述...

【专利技术属性】
技术研发人员：刘振，李洋，陆彦辉，
申请(专利权)人：深圳市大数据研究院，
类型：发明
国别省市：