【技术实现步骤摘要】
本专利技术涉及网络流量预测领域，特别是涉及一种网络流量预测方法、装置、介质及产品。
技术介绍
1、随着网络信息流动日益频繁，网络业务量的急剧增长，数据变化日趋复杂，网络的可控性和可管性问题越来越突出。网络流量是进行网络管理和优化的重要参数。准确地预测网络流量对网络的规划设计与管理意义重大，因而对网络流量的预测研究是当前网络流量管理的热点问题。预测模型的超参数优化问题是一类具有多个可行解的问题。因此，优化的目标是在所有可行解中找到最优解。
2、从数学的角度来看，优化问题用决策变量、约束条件和目标函数三部分来解释。优化研究中的问题解决技术分为两类:确定性方法和随机方法。
3、确定性方法分为基于梯度和非基于梯度两类，在求解线性、凸、简单、低维、连续和可微优化问题方面是有效的。然而，这些优化问题的复杂性的增加导致确定性方法的性能受到干扰，并且这些方法会陷入不适当的局部最优。另一方面，科学和现实应用中的许多优化问题具有高维数、高复杂性、非凸、非连续、非线性和不可微目标函数以及非线性和未知搜索空间等特征。这些优化任务的特点和...
【技术保护点】
1.一种网络流量预测方法，其特征在于，包括：
2.根据权利要求1所述的网络流量预测方法，其特征在于，利用训练数据集对LSTM模型进行训练，基于“-v距离”对LSTM模型的超参数进行优化，得到网络流量预测模型，具体包括：
3.根据权利要求2所述的网络流量预测方法，其特征在于，确定所述初始三维超参数向量空间中任意两个初始向量的“-v距离”，具体包括：
4.根据权利要求2所述的网络流量预测方法，其特征在于，根据所述“-v距离”，预更新所述初始三维超参数向量空间中的初始向量，具体包括：
5.根据权利要求2所述的网络流量预测方法，...
【技术特征摘要】
1.一种网络流量预测方法，其特征在于，包括：
2.根据权利要求1所述的网络流量预测方法，其特征在于，利用训练数据集对lstm模型进行训练，基于“-v距离”对lstm模型的超参数进行优化，得到网络流量预测模型，具体包括：
3.根据权利要求2所述的网络流量预测方法，其特征在于，确定所述初始三维超参数向量空间中任意两个初始向量的“-v距离”，具体包括：
4.根据权利要求2所述的网络流量预测方法，其特征在于，根据所述“-v距离”，预更新所述初始三维超参数向量空间中的初始向量，具体包括：
5.根据权利要求2所述的网络流量预测方法，其特征在于，根据所述初始...
【专利技术属性】
技术研发人员：李文峰，张琳娟，吴晨光，郑征，许长清，邵奇，周志恒，韩军伟，郭璞，邱超，卢丹，陈婧华，张绍侠，樊冰，
申请(专利权)人：国网河南省电力公司经济技术研究院，
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。