流量预测方法及装置、存储介质和电子设备制造方法及图纸

本公开提供了一种流量预测方法、流量预测装置、存储介质和电子设备，涉及数据通信技术领域。该流量预测方法包括：获取各地理区域的历史局向流量数据，提取历史局向流量数据的时域特征和频域特征；将时域特征与频域特征进行通道融合，以确定出历史局向流量数据的目标特征；利用目标特征执行流量状态转移过程，以确定出流量分摊矩阵；利用流量分摊矩阵对各地理区域的局向流量进行预测。本公开可以提高流量预测的效率，有助于提升网络规划的自动化程度。度。度。

【技术实现步骤摘要】
流量预测方法及装置、存储介质和电子设备


[0001]本公开涉及数据通信
，具体而言，涉及一种流量预测方法、流量预测装置、存储介质和电子设备。

技术介绍

[0002]在网络规划过程中，规划人员需要预测未来各地理区域的局向流量。
[0003]目前，在预测各地理区域的局向流量的过程中，人为参与较多，预测效率低。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本公开的目的在于提供一种流量预测方法、流量预测装置、存储介质和电子设备，进而至少在一定程度上克服流量预测过程人为参与多、效率低的问题。
[0006]根据本公开的第一方面，提供了一种流量预测方法，包括：获取各地理区域的历史局向流量数据，提取历史局向流量数据的时域特征和频域特征；将时域特征与频域特征进行通道融合，以确定出历史局向流量数据的目标特征；利用目标特征执行流量状态转移过程，以确定出流量分摊矩阵；利用流量分摊矩阵对各地理区域的局向流量进行预测。
[0007]可选地，将时域特征与频域特征进行通道融合，以确定出历史局向流量数据的目标特征，包括：将时域特征与频域特征进行通道融合，以得到融合特征；剔除融合特征中的异常数据，以得到历史局向流量数据的目标特征。
[0008]可选地，剔除融合特征中的异常数据，以得到历史局向流量数据的目标特征，包括：利用融合特征与注意力机制的初始参数矩阵确定出注意力特征；对注意力特征进行归一化激活处理，以得到归一化激活特征；将归一化激活特征中特征值高于特征值阈值的特征剔除，以得到历史局向流量数据的目标特征。
[0009]可选地，利用目标特征执行流量状态转移过程，以确定出流量分摊矩阵，包括：利用目标特征执行基于隐马尔可夫模型的多次马尔可夫状态转移过程，以确定出流量分摊矩阵。
[0010]可选地，利用目标特征执行基于隐马尔可夫模型的多次马尔可夫状态转移过程，以确定出流量分摊矩阵，包括：利用目标特征执行基于隐马尔可夫模型的多次马尔可夫状态转移过程，以得到状态转移特征；对状态转移特征进行解码操作，以得到解码特征；在通道维度上对解码特征进行层归一化处理，以得到流量中间矩阵；对流量中间矩阵分别进行横向归一化处理和纵向归一化处理，以得到流量分摊矩阵。
[0011]可选地，利用流量分摊矩阵对各地理区域的局向流量进行预测包括：确定目标地理区域的流量总量；将目标地理区域的流量总量与流量分摊矩阵中与目标地理区域对应的比例值相乘，并基于相乘的结果得到目标地理区域的局向流量的预测结果。
[0012]可选地，提取历史局向流量数据的时域特征和频域特征包括：对历史局向流量数
据进行卷积操作，以得到历史局向流量数据的时域特征；以及/或者对历史局向流量数据进行快速傅里叶变换和拉普拉斯变换，以得到历史局向流量数据的频域特征。
[0013]根据本公开的第二方面，提供了一种流量预测装置，包括：特征提取模块，用于获取各地理区域的历史局向流量数据，提取历史局向流量数据的时域特征和频域特征；特征处理模块，用于将时域特征与频域特征进行通道融合，以确定出历史局向流量数据的目标特征；分摊矩阵确定模块，用于利用目标特征执行流量状态转移过程，以确定出流量分摊矩阵；流量预测模块，用于利用流量分摊矩阵对各地理区域的局向流量进行预测。
[0014]可选地，特征处理模块可以被配置为执行：将时域特征与频域特征进行通道融合，以得到融合特征；剔除融合特征中的异常数据，以得到历史局向流量数据的目标特征。
[0015]可选地，特征处理模块可以被配置为执行：利用融合特征与注意力机制的初始参数矩阵确定出注意力特征；对注意力特征进行归一化激活处理，以得到归一化激活特征；将归一化激活特征中特征值高于特征值阈值的特征剔除，以得到历史局向流量数据的目标特征。
[0016]可选地，分摊矩阵确定模块可以被配置为执行：利用目标特征执行基于隐马尔可夫模型的多次马尔可夫状态转移过程，以确定出流量分摊矩阵。
[0017]可选地，分摊矩阵确定模块可以被配置为执行：利用目标特征执行基于隐马尔可夫模型的多次马尔可夫状态转移过程，以得到状态转移特征；对状态转移特征进行解码操作，以得到解码特征；在通道维度上对解码特征进行层归一化处理，以得到流量中间矩阵；对流量中间矩阵分别进行横向归一化处理和纵向归一化处理，以得到流量分摊矩阵。
[0018]可选地，流量预测模块可以被配置为执行：确定目标地理区域的流量总量；将目标地理区域的流量总量与流量分摊矩阵中与目标地理区域对应的比例值相乘，并基于相乘的结果得到目标地理区域的局向流量的预测结果。
[0019]可选地，特征提取模块可以被配置为执行：对历史局向流量数据进行卷积操作，以得到历史局向流量数据的时域特征；以及/或者对历史局向流量数据进行快速傅里叶变换和拉普拉斯变换，以得到历史局向流量数据的频域特征。
[0020]根据本公开的第三方面，提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述流量预测方法。
[0021]根据本公开的第四方面，提供了一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；该处理器被配置为经由执行可执行指令来实现上述流量预测方法。
[0022]在本公开的一些实施例所提供的技术方案中，利用基于历史局向流量数据的时域特征和频域特征而得到的目标特征执行流量状态转移过程，以确定出流量分摊矩阵，以便利用该流量分摊矩阵预测局向流量。一方面，本公开的流量预测过程无需人为参与，减少了人力消耗，并且可以提高预测效率，有助于网络仿真规划的自动化进程；另一方面，对于历史局向流量数据，本公开融合了时域特征和频域特征，在此基础上执行流量状态转移过程，由此，提高了流量预测的准确性。
[0023]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0024]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0025]图1示意性示出了本公开一些实施例的流量预测过程的流程图；
[0026]图2示出了本公开改进的流量预测过程所涉各阶段的示意图；
[0027]图3示意性示出了根据本公开示例性实施方式的流量预测方法的流程图；
[0028]图4示意性示出了本公开实施例的添加了注意力机制的确定历史局向流量数据的目标特征的整个过程的流程图；
[0029]图5示意性示出了本公开实施例的确定状态转移特征的流程图；
[0030]图6示意性示出了本公开实施例的根据状态转移特征确定流量分摊矩阵的过程的流程图；...

【技术保护点】

【技术特征摘要】
1.一种流量预测方法，其特征在于，包括：获取各地理区域的历史局向流量数据，提取所述历史局向流量数据的时域特征和频域特征；将所述时域特征与所述频域特征进行通道融合，以确定出所述历史局向流量数据的目标特征；利用所述目标特征执行流量状态转移过程，以确定出流量分摊矩阵；利用所述流量分摊矩阵对各所述地理区域的局向流量进行预测。2.根据权利要求1所述的流量预测方法，其特征在于，将所述时域特征与所述频域特征进行通道融合，以确定出所述历史局向流量数据的目标特征，包括：将所述时域特征与所述频域特征进行通道融合，以得到融合特征；剔除所述融合特征中的异常数据，以得到所述历史局向流量数据的目标特征。3.根据权利要求2所述的流量预测方法，其特征在于，剔除所述融合特征中的异常数据，以得到所述历史局向流量数据的目标特征，包括：利用所述融合特征与注意力机制的初始参数矩阵确定出注意力特征；对所述注意力特征进行归一化激活处理，以得到归一化激活特征；将所述归一化激活特征中特征值高于特征值阈值的特征剔除，以得到所述历史局向流量数据的目标特征。4.根据权利要求1所述的流量预测方法，其特征在于，利用所述目标特征执行流量状态转移过程，以确定出流量分摊矩阵，包括：利用所述目标特征执行基于隐马尔可夫模型的多次马尔可夫状态转移过程，以确定出流量分摊矩阵。5.根据权利要求4所述的流量预测方法，其特征在于，利用所述目标特征执行基于隐马尔可夫模型的多次马尔可夫状态转移过程，以确定出流量分摊矩阵，包括：利用所述目标特征执行基于隐马尔可夫模型的多次马尔可夫状态转移过程，以得到状态转移特征；对所述状态转移特征进行解码操作，以得到解码特征；在通道维度上对所述...

【专利技术属性】
技术研发人员：马浩鹏，阮科，黄晓莹，胡泽华，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：