【技术实现步骤摘要】
本公开涉及通信，更具体地，涉及一种网络性能监控方法、网络性能监控装置、电子设备和计算机可读存储介质。
技术介绍
1、在网络高峰期，大量终端用户同时使用网络资源，使网络容量无法满足需求，从而影响数据传输速度、信号强度和通话质量。目前，运营商网络高峰问题依然存在，随着智能手机和互联网的普及和人们对通信需求的增长，无论是社交媒体、在线购物、视频娱乐还是远程办公，都离不开网络通信。这导致了终端用户数量的爆发式增长，给网络资源带来了巨大压力，尤其是在人口密集的城市和商业区，由于终端用户聚集，网络高峰问题更加显著。因此，若可以有效应对网络高峰问题，可以为终端用户提供更稳定、高效的通信服务。
2、在应对网络高峰问题时，可通过对网络负载情况进行预测，若预测未来可能存在网络高峰期，则进行提前干预，以避免造成损失，提高终端用户的网络使用体验。然而，目前的预测方法不能深入解析终端用户的行为和需求模式，一定程度影响了应对网络高峰的实际效果。
3、需要说明的是，在上述
技术介绍
部分专利技术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
1、本公开的目的在于提供一种网络性能监控方法、网络性能监控装置、电子设备和计算机可读存储介质，进而提高对网络负载情况的预测准确性，以提高对网络高峰的监控效果。
2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
3、根据本公开的
4、在本公开的一种示例性实施例中，在所述将所述时序数据划分时间窗口，并基于每个所述时间窗口中的时序数据生成该时间窗口对应的强相关特征之前，所述方法还包括：根据所述历史无线资源控制连接数的时序数据确定多个时间序列模型，各所述时间序列模型的阶数不同，所述时间序列模型的阶数用于指示所述时间序列模型包括的历史无线资源控制连接数的数量；根据各所述时间序列模型的拟合性能，确定目标时间序列模型；将所述目标时间序列模型的阶数确定为目标阶数，以将所述目标阶数确定为将所述时序数据划分时间窗口的时间步长。
5、在本公开的一种示例性实施例中，所述根据各所述时间序列模型的拟合性能，确定目标时间序列模型，包括：对各所述时间序列模型的拟合性能进行评估；将最优拟合性能的时间序列模型确定为所述目标时间序列模型。
6、在本公开的一种示例性实施例中，所述基于每个所述时间窗口中的时序数据生成该时间窗口对应的强相关特征，包括：针对每个所述时间窗口，基于预置随机运算方式，对所述时间窗口中的时序数据进行运算处理，以得到非线性候选变量；获取所述非线性候选变量与所述时间窗口的预测目标数据间的相关性；基于所述相关性，从生成的各所述非线性候选变量中确定目标变量，以将所述目标变量确定为所述时间窗口的强相关特征。
7、在本公开的一种示例性实施例中，所述针对每个所述时间窗口，基于预置随机运算方式，对所述时间窗口中的时序数据进行运算处理，以得到非线性候选变量，包括：循环执行以下过程，直到达到次数阈值：根据所述预置随机运算方式，对所述时间窗口中的时序数据进行运算处理，得到非线性候选变量；将所述非线性候选变量加入至下一轮次的运算处理过程；循环过程结束后，获取全部的非线性候选变量作为所述时间窗口的非线性候选变量。
8、在本公开的一种示例性实施例中，所述基于所述相关性，从生成的各所述非线性候选变量中确定目标变量，以将所述目标变量确定为所述时间窗口的强相关特征，包括：将各所述非线性候选变量与预设阈值进行比较，以根据比较结果从各所述非线性候选变量中确定目标变量；将所述目标变量确定为所述时间窗口的强相关特征。
9、在本公开的一种示例性实施例中，所述根据各所述时间窗口和对应的强相关特征，确定携带有强相关特征的无线资源控制连接数的时序数据，包括：将所述时间窗口中的时序数据与该所述时间窗口对应的强相关特征进行拼接，形成该所述时间窗口的所述携带有强相关特征的时间窗口；根据各所述携带有强相关特征的时间窗口，形成所述携带有强相关特征的无线资源控制连接数的时序数据。
10、在本公开的一种示例性实施例中，所述基于所述携带有强相关特征的时序数据对无线资源接控制连接数进行预测，以基于预测结果执行网络性能监控，包括：基于所述携带有强相关特征的时序数据进行模型训练，得到目标模型；利用所述目标预测模型进行无线资源控制连接数的预测，得到预测结果；根据所述预测结果执行网络性能监控。
11、在本公开的一种示例性实施例中，在所述基于所述携带有强相关特征的时序数据进行模型训练，得到目标模型之后，所述方法还包括：每间隔预设周期，向所述无线资源控制连接数的时序数据中增加过去的预设周期的无线资源控制连接数，以得到更新的历史无线资源控制连接数的时序数据；基于所述更新的历史无线资源控制连接数的时序数据进行模型迭代训练。
12、在本公开的一种示例性实施例中，所述基于预测结果执行网络性能监控，包括：根据所述历史无线资源控制连接数的时序数据，确定网络负载阈值；响应所述预测结果大于或等于所述网络负载阈值，触发网络性能控制策略。
13、在本公开的一种示例性实施例中，所述方法还包括：每间隔预设周期，向所述无线资源控制连接数的时序数据中增加过去的预设周期的无线资源控制连接数，以得到更新的历史无线资源控制连接数的时序数据；基于所述更新的历史无线资源控制连接数的时序数据，更新所述网络负载阈值。
14、根据本公开的一个方面，提供一种网络性能监控装置，包括：数据获取模块，用于获取历史无线资源控制连接数的时序数据；数据处理模块，用于将所述时序数据划分时间窗口，并基于每个所述时间窗口中的时序数据生成该时间窗口对应的强相关特征；数据确定模块，用于根据各所述时间窗口和对应的强相关特征，确定携带有强相关特征的无线资源控制连接数的时序数据；网络监控模块，用于基于所述携带有强相关特征的无线资源控制连接数的时序数据对无线资源控制连接数进行预测，以基于预测结果执行网络性能监控。
15、根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
16、根据本公开的一个方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。
17、本公开的示例性实施例中的网络性能监控将历史无线资源控制连接数的时序本文档来自技高网...
【技术保护点】
1.一种网络性能监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述时序数据划分时间窗口，并基于每个所述时间窗口中的时序数据生成该时间窗口对应的强相关特征之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述根据各所述时间序列模型的拟合性能，确定目标时间序列模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于每个所述时间窗口中的时序数据生成该时间窗口对应的强相关特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述针对每个所述时间窗口，基于预置随机运算方式，对所述时间窗口中的时序数据进行运算处理，以得到非线性候选变量，包括：
6.根据权利要求4所述的方法，其特征在于，所述基于所述相关性，从生成的各所述非线性候选变量中确定目标变量，以将所述目标变量确定为所述时间窗口的强相关特征，包括：
7.根据权利要求1所述的方法，其特征在于，所述根据各所述时间窗口和对应的强相关特征，确定携带有强相关特征的无线资源控制连接数的时序数据，包括：
8.根
9.根据权利要求8所述的方法，其特征在于，在所述基于所述携带有强相关特征的时序数据进行模型训练，得到目标模型之后，所述方法还包括：
10.根据权利要求1所述的方法，其特征在于，所述基于预测结果执行网络性能监控，包括：
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
12.一种网络性能监控装置，其特征在于，包括：
13.一种电子设备，其特征在于，包括：
14.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至11中任一项所述的方法。
...【技术特征摘要】
1.一种网络性能监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述时序数据划分时间窗口，并基于每个所述时间窗口中的时序数据生成该时间窗口对应的强相关特征之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述根据各所述时间序列模型的拟合性能，确定目标时间序列模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于每个所述时间窗口中的时序数据生成该时间窗口对应的强相关特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述针对每个所述时间窗口，基于预置随机运算方式，对所述时间窗口中的时序数据进行运算处理，以得到非线性候选变量，包括：
6.根据权利要求4所述的方法，其特征在于，所述基于所述相关性，从生成的各所述非线性候选变量中确定目标变量，以将所述目标变量确定为所述时间窗口的强相关特征，包括：
7.根据权利要求1所述...
【专利技术属性】
技术研发人员：姚彬洪，
申请(专利权)人：中国电信股份有限公司技术创新中心，
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。