[发明专利]基于LSTM网络的无线网络流量预测方法

权利要求书

1.一种基于LSTM网络的无线网络流量预测方法，其特征在于包括如下步骤：

(1)构造LSTM复合网络：

将LSTM网络的输出作为线性回归网络的输入，得到LSTM复合网络；

(2)获取LSTM复合网络的训练集数据和测试集数据：

(2a)在网络服务器的数据库中获取无线网络流量数据集，将无线网络流量数据集中80％的数据作为训练样本集，其余数据作为测试样本集，并对训练样本集和测试样本集进行归一化，得到归一化训练样本集V和测试样本集T；

(2b)采用滑动窗口方法，从V中提取长度为m的连续数据，并将其作为LSTM复合网络的训练集X_train，提取第m+1个数据作为X_train的标签Y_train，同时从T中提取长度为m的连续数据，并将其作为LSTM复合网络的测试集X_test，提取第m+1个数据作为X_test的标签Y_test；

(3)初始化LSTM复合网络的参数：

(3a)初始化LSTM网络的参数：

将LSTM网络的输出h⁰和元胞状态c⁰初始化为0；将LSTM网络隐藏层的权重矩阵W_c和偏置b_c、输入门的权重矩阵W_i和偏置b_i、输出门的权重矩阵W_o和偏置b_o以及忘记门的权重矩阵W_f和偏置b_f初始化为0～1之间的随机数；设置LSTM网络输入层神经元的个数为i+1，隐藏层、输入门、忘记门和输出门神经元的个数均为i；

(3b)初始化线性回归网络的参数：

将线性回归网络的权重矩阵W_l和偏置b_l初始化为0～1之间的随机数；设置线性回归网络的输入层神经元个数为i，输出层神经元个数为1；

(4)对LSTM复合网络进行训练：

(4a)设置LSTM复合网络的训练迭代次数为M，误差目标值为Acc，训练误差值为err，其中M＝1，2，3…M_max，M_max为预设值；

(4b)将训练集X_train和初始化的h⁰输入到LSTM复合网络中，计算LSTM网络的输出值h^t，再将h^t输入到线性回归网络中，得到归一化预测结果Y_train-pre；

(4c)采用基于时间的反向传播算法，通过Y_train-pre和Y_train对LSTM复合网络进行微调，实现对LSTM复合网络参数的更新，得到微调后的LSTM复合网络；

(4d)采用平均绝对误差评估方法，通过Y_train-pre和Y_train计算LSTM复合网络的预测误差Acc_train，并判断Acc_trainerr是否成立，若是，将Acc_train赋给err，并执行步骤(4e)，否则，执行步骤(4e)；

(4e)令M＝M+1，并重复步骤(4b)至(4d)，将M＝M_max时err所对应的LSTM复合网络作为训练好的LSTM复合网络；

(5)对训练好的LSTM复合网络进行优化：

将测试集X_test输入到训练好的LSTM复合网络中，得到归一化流量预测结果Y_pre，采用平均绝对误差评估方法，通过Y_pre和Y_test计算训练好的LSTM复合网络的预测误差Acc_pre，判断Acc_preAcc是否成立，若是，调整M，并执行步骤(4)，否则，执行步骤(6)；

(6)对未来数据进行流量预测：

将归一化训练样本集V和测试样本集T输入到训练好的LSTM复合网络中，得到归一化流量预测结果Y_pre，并对Y_pre进行反归一化，得到未来的无线网络流量预测值。