【技术实现步骤摘要】
本申请属于互联网，尤其涉及一种通信流量数据的预测方法、装置、电子设备及存储介质。
技术介绍
1、随着信息技术的发展，通信流量预测工作是网络运营商等相关行业的重要工作之一。深度学习方法在通信流量预测中表现优异，主要体现在深度学习可以自动提取通信流量数据中的特征，并对时间序列通信流量数据进行建模。
2、通信流量的预测依赖于长时间的统计序列。但是，对于较长的统计序列，深层网络的预测准确度有待进一步提高。在深层网络中，梯度需要通过多个神经网络层传播，每一层都会引入一定的误差，这些误差会累积起来，最终导致梯度消失，导致深层网络对于通信流量数据的预测的准确度不高。
3、因此，目前对于通信流量数据的预测的准确度需要提升。
技术实现思路
1、本申请实施例提供一种通信流量数据的预测方法、装置、设备及存储介质，能够解决目前对于通信流量数据的预测的准确度需要提升的问题。
2、第一方面，本申请实施例提供一种通信流量数据的预测方法，该方法包括：
3、获取第一通信流量数...
【技术保护点】
1.一种通信流量数据的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取第一通信流量数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述通信流量时间序列数据中提取所述通信流量变化特征数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于训练好的共享权重神经网络对所述第一通信流量数据进行预测之前，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于训练好的共享权重神经网络对所述第一通信流量数据进行预测，得到第二时间段的第二通信流量数据之前，所述方
<...【技术特征摘要】
1.一种通信流量数据的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取第一通信流量数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述通信流量时间序列数据中提取所述通信流量变化特征数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于训练好的共享权重神经网络对所述第一通信流量数据进行预测之前，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于训练好的共享权重神经网络对所述第一通信流量数据进行预测，得到第二时间段的第二通信流量数据之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述通过岭回归算法对所述第二通信...
【专利技术属性】
技术研发人员：王瑞，
申请(专利权)人：中国电信股份有限公司，
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。