[發明專利]一種網絡流量預測方法及通信設備和存儲介質

在審

• 申請號: 201910856965.3
• 申請日: 2019-09-09
• 公開（公告）號: CN112468312A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 巫忠正;郭洋
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26;G06N3/08;G06N3/04
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

本發明實施例公開一種網絡流量預測方法，包括獲取網絡流量歷史數據；將所述網絡流量歷史數據輸入時序數列預測模型中，得到第一網絡流量預測值；將所述第一網絡流量預測值以及至少一個與所述第一網絡流量預測值有相關性的值輸入人工神經網絡中，得到第二網絡流量預測值。本發明實施例基于網絡流量的自相關特征，將時序數列預測模型和人工神經網絡進行結合，得到流量預測模型，以提升網絡流量的預測效果。

技術領域

本發明實施例涉及網絡流量分析領域，特別涉及一種網絡流量預測方法。

背景技術

隨著傳輸控制協議/互聯網協議(Transmission Control Protocol/InternetProtocol，TCP/IP)網絡在現代社會中占據越來越重要的地位，如何更好的理解并且正確預測網絡的行為成為信息技術發展中至關重要的一環。對于中/大型網絡提供商來說，TCP/IP網絡預測已經成為一項重要的任務，并且獲得越來越多的關注。通過提升這項任務的準確度，網絡提供商可以更好的優化資源，提供更好的服務質量。不僅如此，網絡流量預測可以幫助檢測網絡中的攻擊。例如拒絕服務或者垃圾郵件攻擊可以通過比較真實流量和預測流量而被檢測出。越早檢測出這些問題，就可以獲得越可靠的網絡服務。

大規模網絡系統其自身是復雜的非線性系統，同時又受到多種外界因素影響，其宏觀流量行為往往復雜多變，數據中即含有多種周期類波動，又會有非線性升、降趨勢，還受到不確定的隨機因素的干擾，使得用線性特點表述的流量模型就出現較大誤差。所以，如何選擇和優化非線性模型成為近年來預測網絡流量的研究重點。其中，支持向量機(Support Vector Machine,SVM)、最小二乘支持向量機(Least Squares Support VectorMachines，LS-SVM)、人工神經網絡(Artificial Neural Network，ANN)、回聲狀態網絡等都對預測精確度有一定的提高，但是現有的線性模型仍無法準確預測非線性特征明顯的網絡流量。

發明內容

本發明實施例的主要目的在于提供一種網絡流量預測方法及通信設備和存儲介質，以提升網絡流量預測的準確性。

為了實現本發明實施例的目的，本發明實施例提供一種網絡流量預測方法，包括獲取網絡流量歷史數據；將所述網絡流量歷史數據輸入時序數列預測模型中，得到第一網絡流量預測值；將所述第一網絡流量預測值以及至少一個與所述第一網絡流量預測值有相關性的值輸入人工神經網絡中，得到第二網絡流量預測值。

為解決上述技術問題，本發明實施例還提供了一種通信設備，包括處理器、存儲器和通信總線；

所述通信總線用于將所述處理器和存儲器連接；

所述處理器用于執行所述存儲器中存儲的一個或多個計算機程序，以實現如上所述的網絡流量預測方法的步驟；

為解決上述技術問題，本發明實施例還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有一個或多個計算機程序，所述一個或多個計算機程序可被處理器執行，以實現如上所述的網絡流量預測方法的步驟。

本發明實施例基于網絡流量的自相關特征，將時序數列預測模型和人工神經網絡進行結合，得到流量預測模型，以提升網絡流量的預測效果。

附圖說明

圖1為本發明一實施例的一種網絡流量預測方法的流程圖；

圖2為本發明一實施例中采集的網絡流量數據的自相關系數分析結果的示意圖；

圖3為本發明一實施例中網絡流量預測模型的示意圖；

圖4為本發明一實施例中采集的網絡流量數據的示意圖；

圖5為本發明一實施例中采集的地區一的網絡流量數據的示意圖；

圖6為本發明一實施例中采集的地區二的網絡流量數據的示意圖。