[發明專利]網絡流量預測方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202110005328.2
• 申請日: 2021-01-05
• 公開（公告）號: CN114726745A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 魏玉瓊;朱琳;郭倩影;王士一
• 申請（專利權）人: 中國移動通信有限公司研究院;中國移動通信集團有限公司
• 主分類號: H04L41/147
• 分類號: H04L41/147;H04L41/14;H04L43/0876;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

1.一種網絡流量預測方法，其特征在于，所述方法包括：

獲取目標范圍內各區域的歷史流量數據，所述歷史流量數據包括待預測區域對應的第一流量數據；

基于所述第一流量數據，確定所述待預測區域對應的特征矩陣；

將所述歷史流量數據和所述特征矩陣輸入至預設模型，確定所述待預測區域的流量預測結果；

其中，所述預設模型包括第一預設模型、第二預設模型和第三預設模型，所述第一預設模型分別與所述第二預設模型和所述第三預設模型級聯，所述第二預設模型與所述第三預設模型級聯。

2.根據權利要求1所述的方法，其特征在于，所述將所述歷史流量數據和所述特征矩陣輸入至預設模型，確定所述待預測區域的流量預測結果，包括：

將所述第一流量數據和所述特征矩陣輸入至所述第一預設模型，得到第一預測結果，所述第一預測結果包括初始流量預測序列；

將所述初始流量預測序列與所述特征矩陣輸入至所述第二預設模型，得到第二預測結果，所述第二預測結果包括流量差異性特征序列，所述流量差異性特征序列用于指示所述目標范圍內各區域的人口流動對所述待預測區域的流量的影響量；

將所述第一預測結果和所述流量差異性特征序列輸入至所述第三預設模型，得到所述待預測區域的流量預測結果；

其中，所述第一預設模型和所述第二預設模型為不同的機器學習模型，所述第三預設模型為修正模型，所述第三預設模型用于根據所述流量差異性特征序列對所述初始流量預測序列進行修正。

3.根據權利要求2所述的方法，其特征在于，所述第一預測結果還包括：

所述待預測區域的節假日序列、趨勢序列和季節序列中的至少一項，其中，所述節假日序列用于指示所述待預測區域在預設預測時長內的節假日特征，所述趨勢序列用于指示所述待預測區域預測時長內的趨勢特征，所述季節序列用于指示所述待預測區域在預設預測時長內的季節特征。

4.根據權利要求2所述的方法，其特征在于，所述第二預設模型包括N個子模型，所述第二預測結果包括N個第二預測子結果，所述N為正整數；

所述將所述初始流量預測序列與所述特征矩陣輸入至第二預設模型，得到第二預測結果，包括：

將所述初始流量預測序列與所述特征矩陣輸入至目標子模型，得到第二預測子結果；

其中，所述目標子模型為所述N個子模型中的任意一個子模塊。

5.根據權利要求4所述的方法，其特征在于，在所述將所述初始流量預測序列與所述特征矩陣輸入至第二預設模型，得到第二預測結果之前，包括：

對所述歷史流量數據和所述特征矩陣進行訓練學習，得到所述N個子模型；

其中，所述N的取值與所述目標范圍內各區域所包括的人口流動類型的數量一致，所述人口流動類型包括流入型、流出型和穩定型中的至少一種。

6.根據權利要求5所述的方法，其特征在于，所述對所述歷史流量數據和所述特征矩陣進行訓練學習，得到所述N個子模型，包括：

根據所述目標范圍內各區域的人口流動類型，對各區域的歷史流量數據進行分類；

分別計算N個人口流動類型對應的N個均值序列，所述均值序列用于指示所述目標范圍內人口流動類型相同的多個區域在各個采集時間點對應的流量均值；

基于所述第一流量數據和所述N個均值序列，確定所述N個人口流動類型對應的N個差異性特征序列，所述差異性特征序列包括所述第一流量數據中各采集時間點對應的流量值與所述均值序列的相應時間點的流量均值之間的差值；

將所述第一流量數據和所述特征矩陣作為所述N個子模型中各子模型的輸入，將所述N個差異性特征序列分別作為所述N個子模型中各子模型的輸出，訓練學習得到所述N個子模型。