[發明專利]一種流量預測方法及裝置

有效

• 申請號: 201910604231.6
• 申請日: 2019-07-05
• 公開（公告）號: CN110213784B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 劉馨靖
• 申請（專利權）人: 中國聯合網絡通信集團有限公司
• 主分類號: H04W24/06
• 分類號: H04W24/06;H04L41/147;H04L41/14;G06N3/04;G06N3/08
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 彭瑞欣;劉悅晗

1.一種流量預測方法，其特征在于，所述方法包括：

選定流量特征向量作為流量預測模型的輸入；所述流量特征向量為被預測時刻之前的N個單位時間的流量特征向量，其中N為大于或等于2的整數；

根據所述流量特征向量并利用循環神經網絡的前饋網絡和后饋網絡訓練所述流量預測模型以確定所述網絡參數和被預測時刻之前單位時間的個數；

依據確定的所述網絡參數和被預測時刻之前的單位時間的個數作為所述流量預測模型的網絡參數及輸入個數對被預測對象的流量進行預測。

2.根據權利要求1所述的方法，其特征在于，在所述選定流量特征向量作為流量預測模型的輸入步驟之前，包括：

確定所述流量預測模型使用的網絡流量特征；

將所述網絡流量特征向量化，獲得所述流量特征向量。

3.根據權利要求2所述的方法，其特征在于，所述網絡流量特征包括：單位時間內的流量占比、流量峰值、平均流量以及是否節假日中的至少一種。

4.根據權利要求1所述的方法，其特征在于，所述根據所述流量特征向量并利用循環神經網絡的前饋網絡和后饋網絡訓練所述流量預測模型以確定所述網絡參數及被預測時刻之前單位時間的個數步驟，包括：

根據所述流量特征向量并通過循環神經網絡的前饋網絡計算當前網絡的輸出值；

在所述網絡參數下計算所述當前網絡的輸出值的損失函數；

比較所述損失函數與預設閾值；

若所述損失函數大于所述預設閾值，則優化所述網絡參數，并依據優化后的所述網絡參數重新計算輸出值以對所述流量預測模型循環訓練；若所述損失函數小于或等于所述預設閾值，則將所述網絡參數及輸入所述預測模型的單位時間的個數作為流量預測模型的參數及輸入個數。

5.根據權利要求4所述的方法，其特征在于，所述若所述損失函數大于所述預設閾值，則優化所述網絡參數的步驟，包括：

對各所述網絡參數分別求偏導獲得對應的偏導數；

根據各所述網絡參數的所述偏導數對對應的所述網絡參數進行優化。

6.一種基站流量預測裝置，其特征在于，所述裝置包括：

選定模塊，用于選定流量特征向量作為流量預測模型的輸入；所述流量特征向量為被預測時刻之前的N個單位時間的流量特征向量，其中，N為大于或等于2的整數；

訓練模塊，用于根據所述流量特征向量并利用循環神經網絡的前饋網絡和后饋網絡訓練所述流量預測模型以確定所述網絡參數和被預測時刻之前單位時間的個數；

預測模塊，用于依據確定的所述網絡參數和被預測時刻之前的單位時間的個數作為所述流量預測模型的參數及輸入個數對被預測對象的流量進行預測。

7.根據權利要求6所述的裝置，其特征在于，所述訓練模塊包括：

第一計算子模塊，用于根據所述流量特征向量并通過循環神經網絡的前饋網絡計算當前網絡的輸出值；

第二計算子模塊，用于在所述網絡參數下計算所述當前網絡的輸出值的損失函數；

比較子模塊，用于比較所述損失函數與預設閾值；

參數優化子模塊，用于在所述比較子模塊確定所述損失函數大于所述預設閾值時，優化所述網絡參數及輸入所述預測模型的單位時間的個數；

所述第一計算子模塊還用于，依據優化后的所述網絡參數重新計算輸出值以對所述流量預測模型循環訓練；

模型確定子模塊，用于在所述比較子模塊確定所述損失函數小于或等于所述預設閾值時，將所述網絡參數及輸入所述預測模型的單位時間的個數作為流量預測模型的參數及輸入個數。

8.根據權利要求7所述的裝置，其特征在于，所述參數優化子模塊對各所述網絡參數分別求偏導獲得對應的偏導數；再根據各所述網絡參數的所述偏導數對對應的所述網絡參數進行優化。

9.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

向量化模塊，用于將流量特征向量化，獲得所述流量特征向量；所述流量特征是所述流量預測模型使用的流量特征。

10.根據權利要求6-9任意一項所述的裝置，其特征在于，所述流量特征包括：單位時間內的流量占比、流量峰值、平均流量以及是否節假日中的至少一種。