[发明专利]一种IP骨干网网络流量确定方法和系统

权利要求书

1.一种IP骨干网网络流量确定方法，其特征在于，包括：

构建深度信念网络模型；所述深度信念网络模型为以链路负载数据的快拍数据为输入，以端到端流量值的快拍数据为输出的神经网络模型；

采集IP骨干网网络的链路负载数据；

将所述链路负载数据进行归一化处理，得到先验测量值；

提取所述先验测量值中的快拍数据；

将所述先验测量值中的快拍数据输入所述深度信念网络模型，确定所述IP骨干网网络的端到端流量值的快拍数据；

根据所述端到端流量值的快拍数据，确定所述IP骨干网网络的流量值。

2.根据权利要求1所述的一种IP骨干网网络流量确定方法，其特征在于，在所述构建深度信念网络模型之前，还包括：

采集IP骨干网网络的端到端流量值和链路负载数据

将所述端到端流量值和所述链路负载数据通过公式进行归一化处理，得到所述链路负载数据的先验测量值和端到端流量值的先验测量值

提取所述先验测量值的快拍数据和所述先验测量值的快拍数据

将所述快拍数据作为输入，所述快拍数据作为输出，对所述深度信念网络模型进行优化训练；

其中，t表示快拍次数，l表示链路编号，L表示网络中链路的数量，n表示端到端流量编号，N表示网络中端到端流量的数量。

3.根据权利要求1所述的一种IP骨干网网络流量确定方法，其特征在于，所述深度信念网络模型为基于实测单元的受限玻尔兹曼机模型。

4.根据权利要求3所述的一种IP骨干网网络流量确定方法，其特征在于，所述深度信念网络模型中可视层的条件概率P(v_i|h)为：

所述深度信念网络模型中隐含层的条件概率P(h_j＝1|v)为：

其中，表示期望为且方差为1的正态分布，sigm(·)表示sigmoid函数，v＝(v₁,v₂,...,v_I)表示可视层单元，h＝(h₁,h₂,...,h_J)表示隐含层单元，I表示可视层单元数量，J表示隐含层单元数量，b_i表示可视层偏差，a_j表示隐含层偏差。

5.一种IP骨干网网络流量确定系统，其特征在于，包括：

网络模型构建模块，用于构建深度信念网络模型；所述深度信念网络模型为以链路负载数据的快拍数据为输入，以端到端流量值的快拍数据为输出的神经网络模型；

第一数据采集模块，用于采集IP骨干网网络的链路负载数据；

第一先验测量值获取模块，用于将所述链路负载数据进行归一化处理，得到先验测量值；

第一快拍数据提取模块，用于提取所述先验测量值中的快拍数据；

端到端流量确定模块，用于将所述第一先验测量值中的快拍数据输入所述深度信念网络模型，确定所述IP骨干网网络的端到端流量值的快拍数据；

流量值确定模块，用于根据所述端到端流量值的快拍数据，确定所述IP骨干网网络的流量值。

6.根据权利要求5所述的一种IP骨干网网络流量确定系统，其特征在于，所述系统还包括：

第二数据采集模块，用于采集IP骨干网网络的端到端流量值和链路负载数据

第二先验测量值获取模块，用于将所述端到端流量值和所述链路负载数据通过公式进行归一化处理，得到所述链路负载数据的先验测量值和端到端流量值的先验测量值

第二快拍数据提取模块，用于提取所述先验测量值的快拍数据和所述先验测量值的快拍数据

优化训练模块，用于将所述快拍数据作为输入，所述快拍数据作为输出，对所述深度信念网络模型进行优化训练；

其中，t表示快拍次数，l表示链路编号，L表示网络中链路的数量，n表示端到端流量编号，N表示网络中端到端流量的数量。

7.根据权利要求5所述的一种IP骨干网网络流量确定系统，其特征在于，所述深度信念网络模型为基于实测单元的受限玻尔兹曼机模型。

8.根据权利要求7所述的一种IP骨干网网络流量确定系统，其特征在于，所述深度信念网络模型中可视层的条件概率P(v_i|h)为：

所述深度信念网络模型中隐含层的条件概率P(h_j＝1|v)为：

其中，表示期望为且方差为1的正态分布，sigm(·)表示sigmoid函数，v＝(v₁,v₂,...,v_I)表示可视层单元，h＝(h₁,h₂,...,h_J)表示隐含层单元，I表示可视层单元数量，J表示隐含层单元数量，b_i表示可视层偏差，a_j表示隐含层偏差。