[发明专利]基于改进门控循环神经网络的网络流量预测方法

摘要

本发明公开了一种基于改进门控循环神经网络的网络流量预测方法，利用过去一段时间的网络流量作为网络流量预测模型的输入，输出接下来一段时间内网络流量大小的预测值。本发明的方法能在保证预测精度不下降的前提下大幅度减少循环神经网络预测网络流量时的训练时间，有效节约计算资源。

主权项

1.一种基于改进门控循环神经网络的网络流量预测方法，其特征在于，利用过去一段时间的网络流量作为网络流量预测模型的输入，输出接下来一段时间内网络流量大小的预测值，所述网络流量预测模型的单向隐藏层表达式为：F_t＝σ(W_Fx_t+U_Fh_t‑1+b_F)；z_t＝σ((W_zx_t+U_zh_t‑1+b_z)；h_t＝F_t·h'_t+(1‑F_t)·x_t；其中，F_t是快速门；和h_t′是两个不同的候选隐藏层状态，z_t是更新门，h_t是当前时刻隐藏层的输出，h_t‑1是上一时刻的隐藏输出，W_F是连接隐藏层输入到快速门的权重矩阵，W_h是连接隐藏层输入和候选隐藏层的权重矩阵，W_z是连接隐藏层输入到更新门的权重矩阵，U_F是连接上一时刻隐藏层输出到快速门F_t的的权重矩阵，U_h是连接上一时刻隐藏层输出到候选隐藏层状态的权重矩阵，U_z是连接上一时刻隐藏层输出到更新门z_t的的权重矩阵，x_t是当前隐藏层输入，b_F、b_h是偏置项，σ()是Sigmoid函数，tanh()是双曲正切函数。