一种网络流量预测方法、系统、计算机设备及存储介质

    公开(公告)号:CN119728461A

    公开(公告)日:2025-03-28

    申请号:CN202510246506.9

    申请日:2025-03-04

    Abstract: 本发明提供了一种网络流量预测方法、系统、计算机设备及存储介质,所述方法为基于预设多尺度时域周期对根据预设采样时长间隔获取的当前预测周期的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后,基于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的多尺度融合图拉普拉斯矩阵生成有向图邻接矩阵,再根据有向图邻接矩阵和预设预测时间尺度的待分析流量时序数据,基于预设流量预测模型得到当前预测周期的网络流量预测值。本发明能够基于流量的时域周期性,在复杂动态环境下自适应学习流量数据的真实内在关联性,进而有效提升网络流量实时预测的可靠性和精准性。

    一种网络流量预测方法、系统、计算机设备及存储介质

    公开(公告)号:CN119728461B

    公开(公告)日:2025-05-06

    申请号:CN202510246506.9

    申请日:2025-03-04

    Abstract: 本发明提供了一种网络流量预测方法、系统、计算机设备及存储介质,所述方法为基于预设多尺度时域周期对根据预设采样时长间隔获取的当前预测周期的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后,基于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的多尺度融合图拉普拉斯矩阵生成有向图邻接矩阵,再根据有向图邻接矩阵和预设预测时间尺度的待分析流量时序数据,基于预设流量预测模型得到当前预测周期的网络流量预测值。本发明能够基于流量的时域周期性,在复杂动态环境下自适应学习流量数据的真实内在关联性,进而有效提升网络流量实时预测的可靠性和精准性。

Patent Agency Ranking