[发明专利]带宽预测方法、装置、电子设备及存储介质

权利要求书

1.一种带宽预测方法，其特征在于，包括：

获取历史时间段中多个时间点中有效的网络状态，并将所述多个时间点中缺失的网络状态设置为预设值；

将所述多个时间点的网络状态按照时间先后顺序生成第一网络状态序列；

将所述第一网络状态序列输入已训练好的自编码器，利用所述自编码器中缺失的网络状态和真实的网络状态之间的特征信息，将所述第一网络状态序列中缺失的网络状态转换为预测的网络状态，得到所述自编码器输出的第二网络状态序列；其中所述多个时间点的网络状态包括所述有效的网络状态和所述缺失的网络状态；

根据所述第二网络状态序列对网络带宽进行预测。

2.根据权利要求1所述的带宽预测方法，其特征在于，在所述将所述多个时间点的网络状态按照时间先后顺序生成第一网络状态序列的步骤之前，还包括：

将所述历史时间段按照网络状态划分为多个连续的子时段，其中所述多个连续的子时段中所述有效的网络状态的子时段和所述缺失网络状态的子时段相互交替；

针对任意一个子时段，按照设定的时间间隔确定所述子时段中的时间点。

3.根据权利要求2所述的带宽预测方法，其特征在于，通过下列方式确定所述时间点的有效的网络状态：

将所述时间点所属的子时段的网络状态设置为所述时间点的有效的网络状态。

4.根据权利要求1所述的带宽预测方法，其特征在于，所述将所述第一网络状态序列输入已训练好的自编码器，利用所述自编码器中缺失的网络状态和真实的网络状态之间的特征信息，将所述第一网络状态序列中缺失的网络状态转换为真实的网络状态，得到所述自编码器输出的第二网络状态序列的步骤包括：

将所述第一网络状态序列以向量的形式输入所述自编码器后，根据所述特征信息中的降维函数对所述第一网络状态序列进行降维处理，得到中间网络状态序列，其中降维处理表示降低所述第一网络状态序列的维度；

根据所述特征信息中的升维函数对所述中间网络状态序列进行升维处理，得所述第二网络状态序列，其中升维处理表示增大所述中间网络状态序列的维度。

5.根据权利要求1所述的带宽预测方法，其特征在于，所述根据所述第二网络状态序列对网络带宽进行预测的步骤包括：

根据所述第二网络状态序列中的网络状态的均值对所述网络带宽进行预测；或

通过回归预测模型对所述第二网络状态序列中的网络状态进行拟合得到带宽曲线，并根据所述带宽曲线对所述网络带宽进行预测；或

将所述第二网络状态序列输入带宽预测神经网络模型对所述网络带宽进行预测。

6.根据权利要求5所述的带宽预测方法，其特征在于，所述带宽预测神经网络模型包括卷积神经网络和全连接神经网络；

所述将所述第二网络状态序列输入带宽预测神经网络模型对所述网络带宽进行预测的步骤包括：

将所述第二网络状态序列输入所述卷积神经网络进行特征提取；

将所述卷积神经网络特征提取后的结果输入所述全连接神经网络，通过所述全连接神经网络对网络带宽进行预测。

7.一种带宽预测装置，其特征在于，包括：

采集单元，被配置为执行获取历史时间段中多个时间点中有效的网络状态，并将所述多个时间点中缺失的网络状态设置为预设值；

生成单元，被配置为执行将所述多个时间点的网络状态按照时间先后顺序生成第一网络状态序列；

调整单元，被配置为执行将所述第一网络状态序列输入已训练好的自编码器，利用所述自编码器中缺失的网络状态和真实的网络状态之间的特征信息，将所述第一网络状态序列中缺失的网络状态转换为预测的网络状态，得到所述自编码器输出的第二网络状态序列；其中所述多个时间点的网络状态包括所述有效的网络状态和所述缺失的网络状态；

预测单元，被配置为执行根据所述第二网络状态序列对网络带宽进行预测。