[发明专利]网络流量预测方法和设备、模型构建及训练方法和装置

说明书

本公开涉及一种网络流量预测方法和设备、模型构建及训练方法和装置。该网络流量预测模型训练方法包括：将平台数据按照活动时间分为第一时段数据和第二时段数据，活动时间的单位为小时；采用第一时段数据和第二时段数据对网络流量预测模型进行训练，使得训练完成的网络流量预测模型用于实现平台网络流量预测。本公开通过多模型融合的预测模型，可以提升网络流量预测的精度以及稳定性。

技术领域

本公开涉及流量预测领域，特别涉及一种网络流量预测方法和设备、模型构建及训练方法和装置。

背景技术

对于电商平台而言，流量是一大核心指标。及时掌握甚至预判流量趋势，对于电商平台的运营起着至关重要的作用。流量预测是流控的重要环节，也是流控迈向智能化的关键一步。电商平台业务系统流量趋势的预测、异常流量的及时预警显得尤为重要，它可以及时感知是否有危害企业网络正常经营活动的行为或者预判当前基础设施是否有能力承担未来流量。

发明内容

本公开提供了一种网络流量预测方法和设备、模型构建及训练方法和装置，通过多模型融合的预测模型，可以提升网络流量预测的精度以及稳定性。

根据本公开的一个方面，提供一种网络流量预测模型构建方法，包括：

构建数据分类子模型，其中，所述数据分类子模型用于将平台数据按照活动时间分为第一时段数据和第二时段数据，活动时间的单位为小时；

构建第一流量预测子模型，其中，所述第一流量预测子模型用于采用第一时段数据进行第一流量预测模型训练，得到第一流量预测数据；

构建第二流量预测子模型，其中，所述第二流量预测子模型用于采用第二时段数据进行第二流量预测模型训练，得到第二流量预测数据；

构建数据融合子模型，其中，所述数据融合子模型对第一流量预测数据和第二流量预测数据进行融合，输出流量预测结果。

在本公开的一些实施例中，所述网络流量预测模型包括数据分类子模型、第一流量预测子模型、第二流量预测子模型和数据融合子模型，训练完成的网络流量预测模型用于实现平台网络流量预测。

在本公开的一些实施例中，第一时段数据为活动时段数据，第二时段数据为非活动时段数据。

在本公开的一些实施例中，第一流量预测子模型和第二流量预测子模型为不同类型的机器学习模型。

在本公开的一些实施例中，所述网络流量预测模型构建方法还包括：

构建时序数据分类子模型，其中，所述时序数据分类子模型用于采用第一时段数据进行分类训练，将第一时段数据划分为第一类型数据和第二类型数据，第一类型数据为平稳型第一时段数据，第二类型数据为无规律型第一时段数据，第一类型数据用于作为第二时段数据的样点填充依据，以使得第二流量预测子模型的输入为连续型时序数据序列。

在本公开的一些实施例中，所述网络流量预测模型还包括时序数据分类子模型。

在本公开的一些实施例中，所述网络流量预测模型构建方法还包括：

构建影响特征确定子模型，其中，所述影响特征确定子模型用于根据第二类型数据和活动参数进行模型训练，得到活动影响特征，活动影响特征和第一时段数据作为输入对第一流量预测子模型进行训练。

在本公开的一些实施例中，所述网络流量预测模型还包括影响特征确定子模型。

在本公开的一些实施例中，所述构建影响特征确定子模型包括：

构建初始类中心确定子模型，其中，初始类中心确定子模型用于根据第二类型数据和活动参数进行模型训练，通过自适应算法确定初始类中心；

构建聚类分析子模型，其中，所述聚类分析子模型用于对初始类中心进行聚类预测训练，确定活动影响特征。