关键词:
预测
网络管理
流量预测
时间二维变化建模
摘要:
准确预测网络流量的变化,可以帮助运营商提前进行资源分配和调度,最大程度减少网络拥塞。现有的网络流量多步预测方法难以捕获流量序列的长相关性,在多步预测任务上精度较低,基于此,提出了一种时间二维变化建模的网络流量多步预测方法。该方法首先利用门控循环单元对网络流量序列进行编码,以实现网络流量时间相关性的精准表征;然后利用网络流量周期特征对其进行重构,将一维的流量序列转化为二维,重构后的流量序列长度被压缩,特征更为集中,使得模型能够有效感知其长相关特征。最后通过新型卷积神经网络捕获重构后流量序列的二维特征,并进行加权融合得到最终的预测结果。仿真结果表明,相较于主流的网络流量多步预测方法,所提方法均方根误差至少降低约8.69%,平均绝对误差至少降低约8.96%,平均百分比误差至少降低约11.73%。实验结果说明所提方法能够有效挖掘网络流量长相关特征,在网络流量多步预测任务中具有更高的预测精度。