[发明专利]报文组包间隔调整方法及装置

权利要求书

1.一种报文组包间隔调整方法，其特征在于，所述的方法包括：

获取报文的组包时间；

预先确定业务量预测曲线；

根据所述报文的组包时间和预先确定的业务量预测曲线确定组包时间内各时段的预测业务量；

根据确定的各时段的预测业务量对报文的组包间隔进行调整；

所述预先确定业务量预测曲线，包括：

获取历史业务量数据；

利用所述历史业务量数据构造并训练LSTM神经网络模型；

根据训练后的LSTM神经网络模型确定所述历史业务量数据的潜在特征数据；

根据确定的潜在特征数据利用SVR模型进行业务量预测确定业务量预测曲线；

所述的根据训练后的LSTM神经网络模型确定所述历史业务量数据的潜在特征数据包括：

根据训练后的LSTM神经网络模型，将最后输出层的上一层的隐含层的输出数据作为所述的历史业务量数据的潜在特征数据。

2.如权利要求1所述的报文组包间隔调整方法，其特征在于，所述的利用所述历史业务量数据构造并训练LSTM神经网络模型包括：

按预设时段对所述历史业务量数据进行分类确定样本数据集和监督数据集；

根据确定的样本数据集和监督数据集对LSTM神经网络模型进行训练。

3.如权利要求1所述的报文组包间隔调整方法，其特征在于，所述的根据确定的潜在特征数据利用SVR模型进行业务量预测确定业务量预测曲线包括：

根据确定的潜在特征数据，将各时段的特征向量数据作为输入数据，其下一时段的特征向量数据作为监督数据进行模型训练确定训练后的SVR模型；

根据所述的潜在特征数据利用训练后的SVR模型生成预测数据；

对所述的预测数据进行支持向量机归一化拟合处理生成业务量预测曲线。

4.一种报文组包间隔调整装置，其特征在于，所述的装置包括：

时间获取模块，用于获取报文的组包时间；

预测曲线确定模块，用于预先确定业务量预测曲线；

预测业务量确定模块，用于根据所述报文的组包时间和预先确定的业务量预测曲线确定组包时间内各时段的预测业务量；

间隔调整模块，用于根据确定的组包时间内各时段的预测业务量对报文的组包间隔进行调整；

所述预测曲线确定模块，包括：

数据获取单元，用于获取历史业务量数据；

LSTM模型训练单元，用于利用所述历史业务量数据构造并训练LSTM神经网络模型；

潜在特征数据确定单元，用于根据训练后的LSTM神经网络模型确定所述历史业务量数据的潜在特征数据；

预测曲线确定单元，用于根据确定的潜在特征数据利用SVR模型进行业务量预测确定业务量预测曲线；

所述的根据训练后的LSTM神经网络模型确定所述历史业务量数据的潜在特征数据包括：

根据训练后的LSTM神经网络模型，将最后输出层的上一层的隐含层的输出数据作为所述的历史业务量数据的潜在特征数据。

5.如权利要求4所述的报文组包间隔调整装置，其特征在于，所述的LSTM模型训练单元包括：

分类单元，用于按预设时段对所述历史业务量数据进行分类确定样本数据集和监督数据集；

训练单元，用于根据确定的样本数据集和监督数据集对LSTM神经网络模型进行训练。

6.如权利要求4所述的报文组包间隔调整装置，其特征在于，所述的预测曲线确定单元包括：

SVR模型训练单元，用于根据确定的潜在特征数据，将各时段的特征向量数据作为输入数据，其下一时段的特征向量数据作为监督数据进行模型训练确定训练后的SVR模型；

预测数据确定单元，用于根据所述的潜在特征数据利用训练后的SVR模型生成预测数据；

曲线生成单元，用于对所述的预测数据进行支持向量机归一化拟合处理生成业务量预测曲线。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3任一项所述方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至3任一项所述方法的计算机程序。