[发明专利]网络流量预测方法、装置和计算机可读存储介质

权利要求书

1.一种网络流量预测方法，包括：

获取待测链路的相关链路，其中，所述相关链路为网络中与所述待测链路的流量相关性大于预设程度的链路；

根据待测链路及其相关链路在一个或多个历史时刻的流量，生成历史流量序列；

将所述历史流量序列输入到预先训练的、所述待测链路对应的预测模型中，获得所述预测模型输出的、所述待测链路在未来时刻的流量，其中，所述预测模型是经多个训练数据训练的神经网络模型，所述训练数据是根据所述待测链路及其相关链路在一个或多个时刻的流量生成的用于训练的历史流量序列，所述训练数据的标记值为目标链路在所述一个或多个时刻后的历史时刻的流量。

2.根据权利要求1所述的网络流量预测方法，其中，所述预测模型为长短记忆网络模型。

3.根据权利要求1所述的网络流量预测方法，还包括：

根据网络中两个链路在多个历史时刻中的流量，计算所述两个链路的流量的相关系数；

在所述两个链路的相关系数大于预设值的情况下，确定所述两个链路互为相关链路。

4.根据权利要求3所述的网络流量预测方法，其中，所述根据网络中两个链路在多个历史时刻中的流量，计算所述两个链路的流量的相关系数包括：

计算网络中两个链路在多个历史时刻中的流量的协方差；

分别计算所述两个链路中的每一个在多个历史时刻中的流量的标准差，以获得所述两个链路对应的标准差的乘积；

将所述协方差除以所述标准差的乘积获得的结果确定为所述两个链路的流量的相关系数。

5.根据权利要求1所述的网络流量预测方法，还包括：

获得所述待测链路的相关链路在未来时刻的流量；

确定所述待测链路及其相关链路在未来时刻的流量中的异常值；

将所述异常值替换为所述异常值对应的链路在异常值发生时刻的相邻时刻的流量均值，或者，将所述异常值替换为所述异常值对应的链路在异常值发生时刻的前一时刻的流量值与趋势系数的乘积；

其中，所述趋势系数根据异常值发生时刻，所述异常值对应的链路以外的其他链路的流量值与前一时刻的流量值之商的平均值确定；或者，所述趋势系数根据异常值发生时刻的前两个时刻中，所述异常值对应的链路的在后时刻的流量与在先时刻的流量的商确定。

6.根据权利要求1所述的网络流量预测方法，还包括：

确定目标链路及其相关链路在一个或多个时刻的流量中的异常值；

将所述异常值替换为所述异常值对应的链路在异常值发生时刻的相邻时刻的流量均值，或者，将所述异常值替换为所述异常值对应的链路在异常值发生时刻的前一时刻的流量值与趋势系数的乘积；

其中，所述趋势系数根据异常值发生时刻，所述异常值对应的链路以外的其他链路的流量值与前一时刻的流量值之商的平均值确定；或者，所述趋势系数根据异常值发生时刻的前两个时刻中，所述异常值对应的链路的在后时刻的流量与在先时刻的流量的商确定。

7.根据权利要求5或6所述的网络流量预测方法，还包括：

根据每个链路的流量的变化趋势确定异常值。

8.一种网络流量预测装置，包括：

获取模块，被配置为获取待测链路的相关链路，其中，所述相关链路为网络中与所述待测链路的流量相关性大于预设程度的链路；

生成模块，被配置为根据待测链路及其相关链路在一个或多个历史时刻的流量，生成历史流量序列；

预测模块，被配置为将所述历史流量序列输入到预先训练的、所述待测链路对应的预测模型中，获得所述预测模型输出的、所述待测链路在未来时刻的流量，其中，所述预测模型是经多个训练数据训练的神经网络模型，所述训练数据是根据所述待测链路及其相关链路在一个或多个时刻的流量生成的用于训练的历史流量序列，所述训练数据的标记值为目标链路在所述一个或多个时刻后的历史时刻的流量。