[发明专利]模型训练方法、流量预测方法、流量负载均衡的方法、装置及存储介质

权利要求书

1.一种模型训练方法，包括：

获取历史流量数据，所述历史流量数据包括多个第一历史流量特征及其对应的真实流量数据；

将所述历史流量数据输入至第一机器学习模型进行流量预测，得到预测流量结果以及所述预测流量结果的准确度级别；

根据所述预测流量结果、所述真实流量数据和所述准确度级别对所述第一机器学习模型的参数进行修正。

2.根据权利要求1所述的一种模型训练方法，其特征在于，包括：

每隔固定时段进行一次针对所述第一机器学习模型的训练。

3.根据权利要求1所述一种模型训练方法，其特征在于，所述将所述历史流量数据输入至第一机器学习模型进行流量预测，得到预测流量结果以及所述预测流量结果的准确度级别，包括：

对所述历史流量数据进行归一化处理，得到所述历史流量数据对应的归一化数值；

将所述历史流量数据对应的归一化数值输入至所述第一机器学习模型进行流量预测，得到所述预测流量结果以及所述预测流量结果的准确度级别。

4.根据权利要求3所述一种模型的训练方法，其特征在于，所述获取历史流量数据包括：获取网络中的多个节点的历史流量数据或者网络中的多条链路的历史流量数据。

5.根据权利要求4所述一种模型的训练方法，其特征在于，所述将所述历史流量数据输入至第一机器学习模型进行流量预测，得到预测流量结果以及所述预测流量结果的准确度级别，包括：

将所述历史流量数据输入至所述第一机器学习模型进行流量预测；

将得到的所述预测流量结果与所述真实流量数据进行比较，得到所述预测流量结果的准确度级别。

6.根据权利要求4所述一种模型训练方法，其特征在于，所述历史流量数据包括流量统计特征。

7.根据权利要求6所述的一种模型训练方法，其特征在于，所述流量统计特征包括历史流量的均值。

8.一种流量预测方法，包括：

获取历史流量数据，所述历史流量数据包括多个第一历史流量特征及其对应的真实流量数据；

将所述历史流量数据输入至第一机器学习模型进行流量预测，得到预测流量结果以及所述预测流量结果的准确度级别。

9.根据权利要求8所述的一种流量预测方法，其特征在于，所述将所述历史流量数据输入至第一机器学习模型进行流量预测，得到预测流量结果以及所述预测流量结果的准确度级别，包括：

将所述历史流量数据输入至所述第一机器学习模型进行流量预测；

将得到的所述预测流量结果与所述真实流量数据进行比较，得到所述预测流量结果的准确度级别。

10.根据权利要求8所述的一种流量预测方法，其特征在于，所述获取历史流量数据包括：获取网络中的多个节点的历史流量数据或者网络中的多条链路的历史流量数据。

11.根据权利要求10所述的一种流量预测方法，其特征在于，所述将所述历史流量数据输入至第一机器学习模型进行流量预测，得到预测流量结果以及所述预测流量结果的准确度级别，包括：

对所述历史流量数据进行归一化处理，得到所述历史流量数据对应的归一化数值；

将所述历史流量数据对应的归一化数值输入至所述第一机器学习模型进行流量预测，得到所述预测流量结果以及所述预测流量结果的准确度级别。

12.一种流量负载均衡的方法，包括：

根据权利要求8-11中任一项所述的流量预测方法得到预测流量结果以及所述预测流量结果的准确度级别；

根据所述预测流量结果以及所述预测流量结果的准确度级别，对网络进行流量负载均衡。