[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

本發明公開了一種流量預測方法及裝置。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。該方法動態調整網絡結構及參數，能夠提高預測模型的準確率和效率。

技術領域

本發明涉及互聯網技術領域，具體涉及一種流量預測方法及裝置。

背景技術

信息技術的快速使得終端與基站以及基站與基站之間產生的數據流量也越來越大。為了能夠合理地分配網絡資源，需要根據實際的數據流量信息，對未來一段時間內需要傳輸的數據流量進行預測，以更有效地進行數據傳輸。

預測模型是數據流量的預測的基礎，如何選擇合適的深度學習算法，并設計相應的輸入值，成為了提高基站流量預測準確率和效率的關鍵。然而，現有的流量預測的方法存在準確率不高的問題。

發明內容

為此，本發明提供一種流量預測方法及裝置，以解決現有技術中由于預測模型不完善而導致的流量預測不準確的問題。

為了實現上述目的，本發明第一方面提供一種流量預測方法，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。

其中，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。

其中，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。

其中，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。

其中，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。

本發明的第二方面提供一種基站流量預測裝置，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；