流量预测方法、装置、电子设备及计算机程序产品制造方法及图纸

本公开涉及一种流量预测方法、装置、电子设备及计算机程序产品，属于人工智能技术领域。该方法包括：获取当前网络节点在预设时间段内的历史流量数据；将历史流量数据输入预先训练的卷积神经网络中，得到第一流量预测数据，其中，卷积神经网络是根据当前网络节点的私域历史流量数据训练得到的；将历史流量数据输入预先训练的循环神经网络中，得到第二流量预测数据，其中，循环神经网络是根据整个网络的公域历史流量数据训练得到的；根据卷积神经网络对应的第一权重和循环神经网络对应的第二权重，对第一流量预测数据和第二流量预测数据进行加权聚合，得到当前网络节点的目标流量预测数据。本公开能够提升网络流量预测的准确度和数据安全性。

【技术实现步骤摘要】

本公开涉及人工智能，具体而言，涉及一种流量预测方法、流量预测装置、电子设备及计算机程序产品。

技术介绍

1、随着网络流量爆发式增长，网络所承载的业务种类和流量特征日趋复杂。以光网络为例，光网络运维节点众多且数据量庞大，但各地区流量数据可用性差距较大，将全局流量数据集中处理的整合难度高。同时，部分运维数据还具有较高的隐私性和不出域需求。因此，当前针对网络流量的预测技术已无法满足新一代光网络智能运维和数据安全要求。

2、鉴于此，本领域亟需一种流量预测方法，能够在实现网络节点数据隐私性和安全性的同时，提升网络流量预测的准确度和运维效率。

3、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

1、本公开的目的在于提供一种流量预测方法、流量预测装置、电子设备及计算机程序产品，进而至少在一定程度上能够在实现网络节点数据隐私性和安全性的同时，提升网络流量预测的准确度和运维效率。p>

2、根据本本文档来自技高网...

【技术保护点】

1.一种流量预测方法，其特征在于，包括：

2.根据权利要求1所述的流量预测方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的流量预测方法，其特征在于，所述根据所述私域训练数据集对初始卷积神经网络进行训练，得到所述当前网络节点对应的卷积神经网络，包括：

4.根据权利要求3所述的流量预测方法，其特征在于，所述根据所述私域测试数据集对训练后的所述卷积神经网络进行测试，包括：

5.根据权利要求2所述的流量预测方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的流量预测方法，其特征在于，所述根据所述公域训练数据集对初始循...

【技术特征摘要】

1.一种流量预测方法，其特征在于，包括：

2.根据权利要求1所述的流量预测方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的流量预测方法，其特征在于，所述根据所述私域训练数据集对初始卷积神经网络进行训练，得到所述当前网络节点对应的卷积神经网络，包括：

4.根据权利要求3所述的流量预测方法，其特征在于，所述根据所述私域测试数据集对训练后的所述卷积神经网络进行测试，包括：

5.根据权利要求2所述的流量预测方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的流量预测方法，其特征在于，所述根据所...

【专利技术属性】
技术研发人员：刘言，
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：