[发明专利]一种基于NWDAF的机器学习模型更新方法及装置

权利要求书

1.一种基于NWDAF的机器学习模型更新方法，其特征在于，所述机器学习模型应用于网络数据分析功能NWDAF，所述方法包括：

获取当前时刻的网络数据；

通过变点检测，判断当前时刻的网络数据是否为变点；

若当前时刻的网络数据是变点，则获取当前时刻对应的第一预设时间范围内的网络数据；

将第一预设时间范围内的网络数据作为训练样本，将在所述当前时刻之后间隔第二预设时间范围的时刻获取的网络数据作为标签，更新训练所述机器学习模型；

所述NWDAF包括：模型训练功能模块MTLF和模型分析功能模块AnLF，所述方法还包括：所述AnLF接收用户发送的数据分析请求；述MTLF确定所述数据分析请求对应的网络数据；

所述获取当前时刻对应的第一预设时间范围内的网络数据，包括：

确定第一预设时间范围内的网络数据的网络数据数量；将所述网络数据数量减去二得到剩余网络数据数量；

将当前时刻的网络数据、上一时刻的网络数据、在所述上一时刻的网络数据之前的剩余网络数据数量的网络数据，作为当前时刻对应的第一预设时间范围内的网络数据；或者，将当前时刻的网络数据、上一时刻的网络数据、在所述上一时刻的网络数据之前的预设网络数据数量的网络数据、将当前时刻的网络数据之后的剩余网络数据数量减去所述预设网络数据数量的网络数据，作为当前时刻对应的第一预设时间范围内的网络数据；

所述若当前时刻的网络数据是变点，则获取当前时刻对应的第一预设时间范围内的网络数据之后，所述方法还包括：获取所述机器学习模型的多组历史训练样本；所述多组历史训练样本中的每组历史训练样本的样本数据数量与所述网络数据数量相同；针对每组历史训练样本，依据该组历史训练样本中的每个样本数据对应的时刻进行排序，确定该组历史训练样本中的每个样本数据的第一标号；针对每组历史训练样本的每个样本数据，将该样本数据与该样本数据后一个时刻对应的样本数据的差值，确定为该样本数据的第一标号对应的第一差值；依据所述第一预设时间范围内的网络数据中每个网络数据对应的时刻进行排序，确定所述第一预设时间范围内的网络数据中每个网络数据的第二标号；将该网络数据与该网络数据后一个时刻对应的网络数据的差值，确定为该网络数据的第二标号对应的第二差值；针对每组历史训练样本，判断是否存在任意一组历史训练样本的每个第一标号对应的第一差值，与所述第一预设时间范围内的网络数据中与该第一标号对应的第二标号的第二差值属于同一个预设差值区间；存在任意一组历史训练样本的每个第一标号对应的第一差值，与所述第一预设时间范围内的网络数据中与该第一标号对应的第二标号的第二差值属于同一个预设差值区间，则该组历史训练样本的数据波形与第一预设时间范围内的网络数据的数据波形相同，不需要对机器学习模型进行更新，则将当前时刻对应的第一预设时间范围内的网络数据输入至所述机器学习模型，得到当前时刻对应的预测数据。

2.根据权利要求1所述的基于NWDAF的机器学习模型更新方法，其特征在于，所述数据分析请求包括：预测终端的剩余电量、预测网络延时数据，预测网络传输速率。

3.根据权利要求1所述的基于NWDAF的机器学习模型更新方法，其特征在于，所述方法还包括：

所述AnLF将当前时刻对应的预测数据发送至用户。