[发明专利]流量预测方法及装置、计算机可存储介质

说明书

本公开涉及流量预测方法及装置、计算机可存储介质，涉及人工智能领域。流量预测方法包括：获取无源光纤网络PON端口的历史流量数据；根据所述历史流量数据，确定未来时间点的流量的多种第一特征值；根据所述多种第一特征值，利用随机森林算法，预测所述未来时间点的流量。根据本公开，提高了预测效率和准确率。

技术领域

本公开涉及人工智能领域，特别涉及流量预测方法及装置、计算机可存储介质。

背景技术

目前，PON端口缺乏流量分析预测技术，无法识别出网络的带宽浪费或带宽不足的情况，导致无法实时动态地进行带宽资源和网络流量的规划。PON端口的流量预测，对实时动态地进行带宽资源和网络流量的规划具有重要意义。

相关技术中，根据种类单一且数量巨大的特征值，利用时间序列算法为代表的线性预测技术，对线性平稳的流量进行预测。

发明内容

发明人认为：相关技术中，采用种类单一且数量巨大的特征值进行预测，预测效率低，准确率低，并且线性预测技术对具有突发大流量特点的PON端口流量的预测准确率低。

针对上述技术问题，本公开提出了一种解决方案，提高了预测效率和准确率。

根据本公开的第一方面，提供了一种流量预测方法，包括：获取无源光纤网络PON端口的历史流量数据；根据所述历史流量数据，确定未来时间点的流量的多种第一特征值；根据所述多种第一特征值，利用随机森林算法，预测所述未来时间点的流量。

在一些实施例中，所述多种第一特征值包括以下第一特征值中的多种：在所述未来时间点之前的、每个指定流量周期内的多个指定历史时间点的流量；每个指定流量周期内的多个指定历史时间点的流量的相关值；和未来时间点的流量的类型。

在一些实施例中，根据所述历史流量数据，确定未来时间点的流量的多种第一特征值包括：根据所述历史流量数据，确定所述PON端口的流量周期；确定在所述未来时间点之前的、每个指定流量周期内的多个指定历史时间点的流量；对每个指定流量周期内的多个指定历史时间点的流量进行数学运算，得到每个指定流量周期内的多个指定历史时间点的流量的相关值。

在一些实施例中，根据所述历史流量数据，确定未来时间点的流量的多种第一特征值还包括：根据所述历史流量数据，确定与未来时间点对应的历史时间点的流量的类型；根据所述与未来时间点对应的历史时间点的流量的类型，确定所述未来时间点的流量的类型。

在一些实施例中，所述类型包括忙时流量和闲时流量，根据所述历史流量数据，确定与未来时间点对应的历史时间点的流量的类型包括：根据所述历史流量数据中的各个历史时间点的流量的加和，计算阈值；在与未来时间点对应的历史时间点的流量大于所述阈值的情况下，将所述与未来时间点对应的历史时间点的流量的类型，确定为忙时流量；在与未来时间点对应的历史时间点的流量小于或等于所述阈值的情况下，将所述与未来时间点对应的历史时间点的流量的类型，确定为闲时流量。

在一些实施例中，根据所述历史流量数据中的各个历史时间点的流量的加和，计算阈值包括：根据所述加和与指定百分比的乘积，确定所述阈值。

在一些实施例中，根据所述历史流量数据，确定所述PON端口的流量周期包括：根据所述历史流量数据，利用曲线拟合方法，确定所述PON端口的流量周期。

在一些实施例中，所述相关值为每个指定流量周期中各个指定历史时间点的流量的均值、中位数、最大值和方差中的至少一个。

在一些实施例中，流量预测方法还包括：利用随机森林算法，生成多棵决策树；根据所述历史流量数据，计算每棵决策树的预测权重；其中，根据所述多种第一特征值，利用随机森林算法，预测所述未来时间点的流量包括:根据所述多种第一特征值，利用所述多棵决策树和每棵决策树的预测权重，预测未来时间点的流量。