[發明專利]流量預測方法、裝置以及存儲介質

在審

• 申請號: 202010124524.7
• 申請日: 2020-02-27
• 公開（公告）號: CN113315644A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 楊子堯;劉剛;湯健;蔣銘;張德智;杜喆
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04Q11/00;G06N3/04
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 方亮

本公開提供了一種流量預測方法、裝置以及存儲介質，其中的方法包括：基于卷積神經網絡CCN網絡和長短期記憶LSTM網絡構建用于對網絡流量進行預測的疊加神經網絡模型；基于流量歷史數據構建流量訓練數據，使用流量訓練數據對疊加神經網絡模型進行訓練，獲得訓練好的疊加神經網絡模型；構建流量預測輸入數據，將流量預測輸入數據輸入訓練好的疊加神經網絡模型，獲得流量預測信息。本公開的方法、裝置以及存儲介質，使用LSTM疊加CNN的疊加神經網絡模型進行流量預測，縮短了訓練數據的跨度，縮短了訓練時間，提高了訓練效率，并能夠解決突發平滑問題，提高了預測的速度和準確度。

技術領域

本發明涉及通信技術領域，尤其涉及一種流量預測方法、裝置以及存儲介質。

背景技術

在網絡的運維中需要對流量進行分析，獲得網絡流量預測值，滿足帶寬精準運維需求，流量可以有多種，例如為PON(無源光網絡)端口的流量等。現有的網絡流量預測方法，通常使用基于線性理論的網絡預測模型，如線性回歸模型等，方案簡單、易實現，但是實際網絡流量變化具有隨機性、時變性等，導致該類模型的網絡流量預測誤差大。因此，需要一種新型的對網絡流量進行預測的技術方案。

發明內容

有鑒于此，本發明要解決的一個技術問題是提供一種流量預測方法、裝置以及存儲介質。

根據本公開的一個方面，提供一種流量預測方法，包括：基于卷積神經網絡CCN網絡和長短期記憶LSTM網絡構建用于對網絡流量進行預測的疊加神經網絡模型；基于流量歷史數據構建流量訓練數據，使用所述流量訓練數據對所述疊加神經網絡模型進行訓練，獲得訓練好的所述疊加神經網絡模型；構建流量預測輸入數據，將所述流量預測輸入數據輸入訓練好的所述疊加神經網絡模型，獲得流量預測信息。

可選地，所述基于卷積神經網絡CCN網絡和長短期記憶LSTM網絡構建用于對網絡流量進行預測的疊加神經網絡模型包括：基于所述CCN網絡構建CNN特征處理模型；基于所述LSTM網絡構建LSTM流量預測模型；將所述CNN特征處理模型作為所述疊加神經網絡模型的輸入模塊，將所述LSTM流量預測模型作為所述疊加神經網絡模型的輸出模塊，構建所述疊加神經網絡模型；其中，所述LSTM流量預測模型的輸入數據包括：所述CNN特征處理模型的輸出數據。

可選地，所述基于流量歷史數據構建流量訓練數據，使用所述流量訓練數據對所述融合神經網絡進行訓練包括：獲取與所述流量歷史數據相對應的流量周期性特征信息；基于所述流量周期性特征信息從所述流量歷史數據中獲取第一流量數據，以及與所述第一流量數據對應的第一流量標注信息；將所述第一流量數據和所述第一流量標注信息作為第一流量訓練數據對所述CNN特征處理模型進行訓練，獲得訓練好的CNN特征處理模型；對訓練好的CNN特征處理模型和未訓練的LSTM流量預測模型進行融合訓練，獲得訓練好的所述疊加神經網絡模型。

可選地，所述對訓練好的CNN特征處理模型和未訓練的LSTM流量預測模型進行融合訓練包括：基于所述流量周期性特征信息從所述流量歷史數據中獲取第二流量數據，以及與所述第二流量數據對應的第二流量標注信息；將所述第二流量數據輸入訓練好的所述CNN特征處理模型，輸出具有時序性的流量特征；基于所述流量特征和所述第二流量標注信息生成第二流量訓練數據，使用所述第二流量訓練數據對所述LSTM流量預測模型進行訓練，獲得訓練好的LSTM流量預測模型。

可選地，所述構建流量預測輸入數據，將所述流量預測輸入數據輸入訓練好的所述疊加神經網絡模型，獲得流量預測信息包括：基于所述流量周期性特征信息構建所述流量預測輸入數據，將流量預測輸入數據輸入訓練好的所述CNN特征處理模型；獲得訓練好的所述LSTM流量預測模型輸出的所述流量預測信息。

可選地，所述CNN特征處理模型包括：卷積層、池化層；所述流量包括：PON端口流量。