[發明專利]一種基于時空相關的網絡節點和鏈路剩余資源預測方法

在審

• 申請號: 202310094945.3
• 申請日: 2023-02-09
• 公開（公告）號: CN116192666A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 楊帆;賴佳洪;宋文超;任亞欣
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H04L41/147
• 分類號: H04L41/147;H04L41/12;H04L41/14;H04L41/16
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 王萌

本發明提供了一種基于時空相關的網絡節點和鏈路剩余資源預測方法，根據網絡節點以及節點之間鏈路的拓撲關系，構建網絡拓撲的節點鏈路連接圖；通過節點鏈路連接圖構建了節點鏈路鄰接矩陣，綜合考慮網絡中節點和鏈路之間的相關性；通過利用圖卷積網絡GCN與門控循環單元GRU，根據Seq2Seq模型結構，構成改進型的S?GRU神經網絡模型；通過訓練改進型的S?GRU神經網絡模型，利用圖卷積網絡GCN學習了數據特征的空間特性，利用門控循環單元GRU學習了數據特征的時間特性，有助于獲得更高的預測精度，利用Seq2Seq模型結構，提升了多步預測的預測精度。本發明與現有技術相比，挖掘到的數據特征的特性更加全面，實現了更精確的預測。

技術領域

本發明屬于網絡通信技術領域，具體涉及一種基于時空相關的網絡節點和鏈路剩余資源預測方法，可用于網絡功能虛擬化(Network?Function?Virtualization，NFV)場景下的資源分配。

背景技術

NFV利用通用硬件及虛擬化技術完成了虛擬網絡功能(Virtual?NetworkFunction,VNF)的軟件化部署，能夠在滿足不同業務需求的同時降低運營商的基礎設施建設成本，實現網絡功能的彈性部署。預測網絡節點和鏈路的剩余資源，可以幫助服務提供商高效地利用網絡資源靈活地部署VNF。

所述網絡節點和鏈路剩余資源預測，是指在給定網絡拓撲、各節點歷史剩余資源數據和各鏈路歷史剩余資源數據的情況下，學習各節點之間、各鏈路之間以及節點和鏈路之間剩余資源數據的關聯關系，預測各節點和鏈路未來一段時間內剩余資源的過程。網絡中各節點和鏈路的剩余資源變化有一定規律，且會受到相鄰節點和鏈路上剩余資源的影響。由于網絡拓撲的復雜性和網絡剩余資源變化的高度非線性，傳統方法難以預測網絡剩余資源。目前，國內外常用的預測方法主要包括兩大類：基于統計分析的方法和基于機器學習的方法，其中：

基于統計分析的方法的代表方法是整合移動平均自回歸模型ARIMA及其變體。然而這種模型受到時間序列平穩性假設的限制，在網絡節點和鏈路剩余資源預測中，難以有效獲取動態變化的數據特征。循環神經網絡RNN是基于機器學習的方法中的代表，其中的長短時記憶LSTM神經網絡和門控循環單元GRU解決了傳統RNN的梯度消失問題，在解決預測問題時得到廣泛應用。

Fenglei?Yu等人在論文Neural?Network-Based?Traffic?Prediction?Modelwith?Adaptive?Spatial-Temporal?Analysis?in?NFV?Networks//2021IEEE?21stInternational?Conference?on?Communication?Technology(ICCT),2021,pp.502-507中不僅利用長短時記憶LSTM神經網絡捕捉數據的時間相關性，還根據鏈路之間的距離和特征序列的皮爾遜相關系數計算了數據的空間相關性。但這種方式難以充分捕捉節點和鏈路之間復雜的動態相關性，難以準確預測。J.Zhang等人在論文Flow?Prediction?in?Spatio-Temporal?Networks?Based?on?Multitask?Deep?Learning,in?IEEE?Transactions?onKnowledge?and?Data?Engineering,vol.32,no.3,pp.468-478,1March?2020中利用三流全卷積網絡3S-FCN捕捉數據的時間相關性和空間相關性，同時利用多任務框架綜合考慮了網絡中的頂點和邊的數據特征。但卷積網絡難以在有復雜拓撲結構的網絡中工作，無法充分捕捉拓撲的空間相關性，預測精度不足。

發明內容

為了解決現有技術中存在的上述問題，本發明提供了一種基于時空相關的網絡節點和鏈路剩余資源預測方法。本發明要解決的技術問題通過以下技術方案實現：

本發明提供了一種基于時空相關的網絡節點和鏈路剩余資源預測方法包括：

S1：根據網絡節點以及節點之間鏈路的拓撲關系，構建網絡拓撲的節點鏈路連接圖G；