【技术实现步骤摘要】
本专利技术涉及网络流量预测领域，具体涉及一种基于时空序列的网络流量预测方法及系统。
技术介绍
1、随着5g/b5g、边缘计算、nfv等技术的发展，网民数量以及网民上网时间不断增长，这导致近年来网络流量激增，对网络进行精细化、自动化、智能化运维及管理将成为新的挑战。为应对这一挑战，需要对应用级网络流量进行精准感知。而无线网络流量预测则是核心技术之一。精准及时的流量预测可以帮助改善通信网络管理，优化网络资源分配方式，改善资源浪费与网络拥堵，从而提高通信网络效能。
2、传统的流量预测方法可以分为基于统计学的方法和基于机器学习的方法，基于统计学的网络流量预测方法将流量预测视为时间序列预测问题，可以从大量流量数据中学习网络流量的线性和非线性特征，例如周期性和季节性，从而做出预测。这类方法包含例如经典的自回归(ar)和滑动平均(ma)以及自回归综合移动平均(arima)和α-稳定模型。但是无线网络流量的结构实际上非常复杂，包含网络基站空间拓扑结构、基站数量、用户移动性、用户行为需求、到达模式等多种影响因素，这些因素使不同基站的蜂窝流量之...
【技术保护点】
1.一种基于时空序列的网络流量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时空序列的网络流量预测方法，其特征在于，步骤S1中获取并对目标区域的流量数据进行时间和空间上的矩阵化的具体方法包括以下子步骤：
3.根据权利要求1所述的基于时空序列的网络流量预测方法，其特征在于，步骤S2中卷积神经网络包括L个采用密集连接的基本模块，每个基本模块均包括依次连接的卷积层、批归一化层和激活层；第l个基本模块的计算表达式为：
4.根据权利要求1所述的基于时空序列的网络流量预测方法，其特征在于，步骤S3中扩散卷积门控循环单元包括M...
【技术特征摘要】
1.一种基于时空序列的网络流量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时空序列的网络流量预测方法，其特征在于，步骤s1中获取并对目标区域的流量数据进行时间和空间上的矩阵化的具体方法包括以下子步骤：
3.根据权利要求1所述的基于时空序列的网络流量预测方法，其特征在于，步骤s2中卷积神经网络包括l个采用密集连接的基本模块，每个基本模块均包括依次连接的卷积层、批归一化层和激活层；第l个基本模块的计算表达式为：
4.根据权利要求1所述的基于时空序列的网络流量预测方法，其特征在于，步骤s3中扩散卷积门控循环单元包括m个计算子单元，第m个计算子单元的表达式为：
5.根据权利要求2所述的基于时空序列的网络流量预测方法，其特征在于，步骤s4中...
【专利技术属性】
技术研发人员：肖军弼，从云欢，张文静，宋婧，张琪，
申请(专利权)人：中国石油大学华东，
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。