公开(公告)号：CN110210658B

公开(公告)日：2023-10-03

申请号：CN201910427803.8

申请日：2019-05-22

Applicant: 东南大学

Inventor： 潘志文 ,  李玉 ,  刘楠 ,  尤肖虎

IPC: H04L43/0876 ,  G06F18/10 ,  G06F18/2131 ,  G06F123/02

Abstract: 本发明提供一种基于小波变换的Prophet与高斯过程用户网络流量预测方法。针对用户网络流量时间序列的非平稳性、时变性等复杂特性，采用小波变换对用户网络流量时间序列进行预处理分析。经过小波变换后得到高频子序列与低频子序列，其中高频子序列反映了用户网络流量时间序列的突变性与无规律的波动性特征，而低频子序列则反映了用户网络流量时间序列的周期性与长期依赖特性。本发明针对高频子序列与低频子序列的特点，分别应用Prophet模型预测低频子序列，用高斯过程回归模型预测高频子序列，最后再进行离散小波逆变换，重构得到最终的网络流量预测结果。本发明所提出的预测方法，可以有效提高用户网络流量预测准确度。

公开(公告)号：CN110210658A

公开(公告)日：2019-09-06

申请号：CN201910427803.8

申请日：2019-05-22

Applicant: 东南大学

Inventor： 潘志文 ,  李玉 ,  刘楠 ,  尤肖虎

IPC: G06Q10/04

Abstract: 本发明提供一种基于小波变换的Prophet与高斯过程用户网络流量预测方法。针对用户网络流量时间序列的非平稳性、时变性等复杂特性，采用小波变换对用户网络流量时间序列进行预处理分析。经过小波变换后得到高频子序列与低频子序列，其中高频子序列反映了用户网络流量时间序列的突变性与无规律的波动性特征，而低频子序列则反映了用户网络流量时间序列的周期性与长期依赖特性。本发明针对高频子序列与低频子序列的特点，分别应用Prophet模型预测低频子序列，用高斯过程回归模型预测高频子序列，最后再进行离散小波逆变换，重构得到最终的网络流量预测结果。本发明所提出的预测方法，可以有效提高用户网络流量预测准确度。