公开(公告)号：CN110851782B

公开(公告)日：2023-06-23

申请号：CN201911099165.8

申请日：2019-11-12

Applicant: 南京邮电大学

Inventor： 郭芳 ,  陈蕾 ,  顾德杨 ,  李平

IPC: G06F17/16 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于轻量级时空深度学习模型的网络流量预测方法，首先，根据网络状态，基于预先设定的时间间隙采样若干历史时刻的网络流量数据，并对所采样的数据做归一化处理；其次，构建基于卷积神经网络和循环神经网络的神经网络模型，提取网络流量中的时空特征；然后，使用数据集对建立的神经网络模型进行训练，获得轻量级时空深度学习网络流量预测模型；最后，根据已获得的历史流量矩阵，通过该网络预测模型，预测未来时刻的流量值。本发明解决了深度学习参数复杂以及循环神经网络梯度爆炸的问题，同时还提高了预测模型的准确率。

公开(公告)号：CN110851782A

公开(公告)日：2020-02-28

申请号：CN201911099165.8

申请日：2019-11-12

Applicant: 南京邮电大学

Inventor： 郭芳 ,  陈蕾 ,  顾德杨 ,  李平

IPC: G06F17/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于轻量级时空深度学习模型的网络流量预测方法，首先，根据网络状态，基于预先设定的时间间隙采样若干历史时刻的网络流量数据，并对所采样的数据做归一化处理；其次，构建基于卷积神经网络和循环神经网络的神经网络模型，提取网络流量中的时空特征；然后，使用数据集对建立的神经网络模型进行训练，获得轻量级时空深度学习网络流量预测模型；最后，根据已获得的历史流量矩阵，通过该网络预测模型，预测未来时刻的流量值。本发明解决了深度学习参数复杂以及循环神经网络梯度爆炸的问题，同时还提高了预测模型的准确率。