CN119728461A 一种网络流量预测方法、系统、计算机设备及存储介质_第1页
CN119728461A 一种网络流量预测方法、系统、计算机设备及存储介质_第2页
CN119728461A 一种网络流量预测方法、系统、计算机设备及存储介质_第3页
CN119728461A 一种网络流量预测方法、系统、计算机设备及存储介质_第4页
CN119728461A 一种网络流量预测方法、系统、计算机设备及存储介质_第5页
已阅读5页，还剩17页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

(12)发明专利申请(54)发明名称(57)摘要根据预设采样时长问隔，获取当前预测周期的待处理网络流量时序数据；所述待处理网络流量时序数据包括各通信节点对间的流量时序数据多个时间尺度的待分析流量时序数据和图拉普拉斯矩阵；所述预设多尺度时域周期包括多个时间尺度的流量变化周期以最小化图的总变差为优化目标对不同时间尺度的图拉普拉斯矩阵进行加权融合，得到多尺度融合图拉普拉斯矩阵，并根据所述尺度融合图拉普拉斯矩阵，得到对应的有向图邻接矩阵根据所述有向图邻接矩阵和预设预测时间尺度对应的待分析流量时序数据，基于预设流量预测模型模型进行流量预测得到当前预测周期的网络流量预测值；所述预设预测时间尺度的时长大于或等于所述待处理网络流量时序数据234567附图说明9的流量变化周期，对应的Linv可以为Lmin,Lhou,Laa不同，intv可以为分钟级、小时级、日的待分析流量时序数据(重建数据)中时刻t的重建空时矩阵的列拉直向量；和 以为分钟级、小时级、日级和周级的流量变化周期，对应的可以为 图结构设置情况均方根误差平均绝对误差决定系数数据采集模块1,用于根据预设采样时长间隔，获取根据预设采样时长间隔，获取当前预测周期的待处理网络流量时序数据；所述待处理网络流量时序数据包括各通信节点对间的流量时序数据基于预设多尺度时域周期对所述待处理网络流量时序数据进行预处理，得到多个时间尺度的待分析流量时序数据和图拉普拉斯矩阵；所述预设多尺度时域周期包括多个时间尺度的流量变化周期以最小化图的总变差为优化目标对不同时间尺度的图拉普拉斯矩阵进行加权融合，得到多尺度融合图拉普拉斯矩阵，并根据所述尺度融合图拉普拉斯矩阵，得到对应的有向图邻接矩阵根据所述有向图邻接矩阵和预设预测时间尺度对应的待分析流量时序数据，基于预设流量预测模型模型进行流量预测得到当前预测周期的网络流量预测值；所述预设预测时间尺度的时长大于或等于所述待处理网络流量时序数据的预设采样时长间隔数据预处理(去数据预处理(去噪、缺失值和异常值处理)邻接矩阵邻接矩阵不同时间尺度的图拉普拉斯矩阵图卷积神经网网络时间(小时)0时间(小时)

人人文库> 全部分类> 行业资料 > 各类标准

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论