【技术实现步骤摘要】
网络流量预测及模型训练方法、装置、设备和存储介质
[0001]本公开涉及人工智能
,具体涉及深度学习、互联网等
,尤其涉及一种网络流量预测及模型训练方法、装置、设备和存储介质。
技术介绍
[0002]随着互联网技术的发展,网络规模不断扩大,网络流量也有了大幅度的增长,网络中经常出现拥塞或过载的现象。对网络流量进行精准的预测可以有效的对网络进行管理,提高网络的综合性能。
技术实现思路
[0003]本公开提供了一种网络流量预测及模型训练方法、装置、设备和存储介质。
[0004]根据本公开的一方面,提供了一种网络流量预测方法,包括:获取多个网络节点的历史流量数据;基于所述多个网络节点中两两节点间的关联关系,对所述历史流量数据进行处理,以获得融合特征;基于所述融合特征,确定所述多个网络节点的未来流量数据。
[0005]根据本公开的另一方面,提供了一种网络流量预测模型的训练方法,所述模型包括:图卷积网络,所述方法包括:获取多个网络节点的样本数据,所述样本数据包括:历史流量数据,以及真实未来流量数据;采用所述图卷积网络,基于所述多个网络节点中两两节点间的关联关系,对所述历史流量数据进行处理,以获得融合特征;基于所述融合特征,获得预测未来流量数据;基于所述真实未来流量数据和所述预测未来流量数据,构建损失函数;基于所述损失函数,调整模型参数直至满足预设条件,所述模型参数包括:所述图卷积网络的模型参数。
[0006]根据本公开的另一方面,提供了一种网络流量预测装置,包括:获取模块,用 ...
【技术保护点】
【技术特征摘要】
1.一种网络流量预测方法,包括:获取多个网络节点的历史流量数据;基于所述多个网络节点中两两节点间的关联关系,对所述历史流量数据进行处理,以获得融合特征;基于所述融合特征,确定所述多个网络节点的未来流量数据。2.根据权利要求1所述的方法,其中,所述基于所述多个网络节点中两两节点间的关联关系,对所述历史流量数据进行处理,以获得融合特征,包括:采用预先训练的图卷积网络,对所述历史流量进行处理,以获得所述融合特征;其中,所述图卷积网络的参数包括:邻接矩阵,所述邻接矩阵用于表征所述两两节点间的关联关系。3.根据权利要求1所述的方法,其中,所述基于所述融合特征,确定所述多个网络节点的未来流量数据,包括:采用预先训练的时间特征提取网络,对所述融合特征进行处理,以获得时间特征;基于所述时间特征,获得所述未来流量数据。4.根据权利要求1
‑
3任一项所述的方法,还包括:采用预先训练的第一全连接层,对所述历史流量数据进行归一化处理,以获得归一化处理后的历史流量数据;相应地,所述基于所述多个网络节点中两两节点间的关联关系,对所述历史流量数据进行处理,以获得融合特征,包括:基于所述多个网络节点中两两节点间的关联关系,对所述归一化处理后的历史流量数据进行处理,以获得融合特征。5.根据权利要求3所述的方法,其中,所述基于所述时间特征,获得所述未来流量数据,包括:采用预先训练的第二全连接层,对所述时间特征进行处理,以获得所述未来流量数据。6.一种网络流量预测模型的训练方法,所述模型包括:图卷积网络,所述方法包括:获取多个网络节点的样本数据,所述样本数据包括:历史流量数据,以及真实未来流量数据;采用所述图卷积网络,基于所述多个网络节点中两两节点间的关联关系,对所述历史流量数据进行处理,以获得融合特征;基于所述融合特征,获得预测未来流量数据;基于所述真实未来流量数据和所述预测未来流量数据,构建损失函数;基于所述损失函数,调整模型参数直至满足预设条件,所述模型参数包括:所述图卷积网络的模型参数。7.根据权利要求6所述的方法,其中,所述模型包括:特征提取网络,所述模型参数还包括:所述特征提取网络的模型参数,所述基于所述融合特征,获得预测未来流量数据,包括:采用所述特征提取网络,对所述融合特征进行处理,以获得时间特征;基于所述时间特征获得所述预测未来流量特征。8.根据权利要求6所述的方法,其中,所述模型还包括:第一全连接层,所述模型参数还包括:所述第一全连接层的模型参数,所述方法还包括:
采用所述第一全连接层,对所述历史流量数据进行归一化处理,以获得归一化处理后的历史流量数据;相应地,所述采用所述图卷积网络,对所述历史流量数据进行处理,以获得融合特征,包括:采用所述图卷积网络,对所述归一化处理后的历史流量数据进行处理,以获得所述融合特征。9.根据权利要求7所述的方法,其中,所述模型还包括:第二全连接层,所述模型参数还包括:所述第二全连接层的模型参数,所述基于所述时间特征获得所述预测未来流量特征,包括:采用所述第二全连接层,对所述时间特征进行处理,以获得所述预测未来流量数据。10.根据权利要求6
‑
9任一项所述的方法,其中,所述获取多个网络节点的样本数据,包括:获取多个网络节点的预设个数的时间点流量数据;将所述预设个数的时间点流量数据分为所述历史流量数据和真实未来流量数据;其中,所述真实未来流量数据为最后一个时间点流量数据,所述历史流量数据包括:除了所述最后一个时间点流量数据之外的其他时间点流量数据。11.一种网络流量预测装置,包括:获取模块,用于获取多个网络节点的历史流量数据;融合模块,用于基于所述多个网络节点中两两节点间的关联关系,对所述历史流量数据进行处理,以获得融合特征;预测模块,用于基于所述融合特征,确...
【专利技术属性】
技术研发人员:唐瑜,
申请(专利权)人:北京百度网讯科技有限公司,
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。