[发明专利]一种流量预测方法、装置及存储介质

说明书

本申请提供一种流量预测方法、装置及存储介质，涉及通信技术领域，解决了现有技术无法快速、准确的预测网络流量的技术问题。该流量预测方法包括：获取第一时间段内的第一流量信息；确定第一流量信息的第一特征数据；第一特征数据包括以时序特征划分的第一时序特征数据；将第一特征数据输入到预先训练好的流量预测模型中，以得到目标时间段的流量预测信息；流量预测模型为根据第二时间段的第二流量信息的第二时序特征数据、双向编码算法和残差连接解码算法训练得到的；目标时间段位于第一时间段和第二时间段之后。

技术领域

本发明涉及通信技术领域，尤其涉及一种流量预测方法、装置及存储介质。

背景技术

网络流量预测对减少人工工作量，提升网络质量有着重要的意义。从短期上看不但能够在流量高峰期进行流量预警，也能在流量异常时刻进行报警。从长期上看能够进行网络扩容与建设。

现有的深度学习时间序列模型难以同时捕捉时间序列的长时周期性以及短时依赖关系，无法充分利用历史数据的信息，会对最终预测结果的准确性造成影响。而通过增加短时依赖性的捕捉以提高模型的性能，但却忽略了对时序关系非线性的学习。

因此，如何快速、准确的预测网络流量，是目前亟需解决的技术问题。

发明内容

本申请提供一种流量预测方法、装置及存储介质，解决了现有技术无法快速、准确的预测网络流量的技术问题。

为达到上述目的，本申请采用如下技术方案：

第一方面，提供一种流量预测方法，包括：

获取第一时间段内的第一流量信息；

确定第一流量信息的第一特征数据；第一特征数据包括以时序特征划分的第一时序特征数据；

将第一特征数据输入到预先训练好的流量预测模型中，以得到目标时间段的流量预测信息；流量预测模型为根据第二时间段的第二流量信息的第二时序特征数据、双向编码算法和残差连接解码算法训练得到的；目标时间段位于第一时间段和第二时间段之后。

可选的，流量预测方法还包括：

获取第二流量信息；

确定第二流量信息的第二特征数据；第二特征数据包括以时序特征划分的第二时序特征数据；

根据第二时序特征数据、双向编码算法和残差连接解码算法，训练得到流量预测模型。

可选的，根据第二时序特征数据、双向编码算法和残差连接解码算法，训练得到流量预测模型，包括：

根据双向编码算法，对第二时序特征数据进行双向编码，以得到自左向右编码的第一编码数据和自右向左编码的第二编码数据；

拼接第一编码数据和第二编码数据，以得到融合序列特征数据；

根据残差连接解码算法，构建多层网络模型，并用残差网络连接多层网络模型中的各层网络模型；

对各层网络模型输出的结果进行加权融合，以得到融合序列特征数据的预测结果；

根据第二时序特征数据的预测结果，调整各层网络模型中的模型参数，直至收敛，以得到流量预测模型。

可选的，确定第一流量信息的第一特征数据，包括：

对第一流量信息执行对数化处理，以得到对数化处理后的第一数据；

对对数化处理后的第一数据执行正则化处理，以得到第一特征数据。

可选的，确定第二流量信息的第二特征数据，包括：

对第二流量信息执行对数化处理，以得到对数化处理后的第二数据；