[发明专利]网络流量预测方法、设备、存储介质及装置

权利要求书

1.一种网络流量预测方法，其特征在于，所述网络流量预测方法包括以下步骤：

获取待预测网络对应的历史时序流量数据；

对所述历史时序流量数据进行标准化处理，获得目标流量数据；

根据所述目标流量数据通过预设双向门控循环单元模型进行流量预测，获得所述待预测网络的预测流量数据。

2.如权利要求1所述的网络流量预测方法，其特征在于，所述获取待预测网络对应的历史时序流量数据的步骤之前，还包括：

获取初始时序流量数据，并对所述初始时序流量数据进行标准化处理，获得流量数据样本；

根据所述流量数据样本对初始双向门控循环单元模型进行训练，获得预设双向门控循环单元模型。

3.如权利要求2所述的网络流量预测方法，其特征在于，所述获取初始时序流量数据，并对所述初始时序流量数据进行标准化处理，获得流量数据样本的步骤，包括：

获取初始时序流量数据，并确定所述初始时序流量数据的均值和标准差；

根据所述均值和所述标准差对所述初始流量数据进行标准化处理，获得符合标准正态分布的流量数据样本。

4.如权利要求2所述的网络流量预测方法，其特征在于，所述根据所述流量数据样本对初始双向门控循环单元模型进行训练，获得目标双向门控循环单元模型的步骤，包括：

根据所述流量数据样本对初始双向门控循环单元模型进行训练，获得候选双向门控循环单元模型；

获取所述初始双向门控循环单元模型的训练次数，并判断所述训练次数是否大于预设次数；

在所述训练次数大于预设次数时，将所述候选双向门控循环单元模型作为预设双向门控循环单元模型。

5.如权利要求4所述的网络流量预测方法，其特征在于，所述在所述训练次数大于预设次数时，将所述候选双向门控循环单元模型作为预设双向门控循环单元模型的步骤，包括：

在所述训练次数大于预设次数时，获取所述候选双向门控循环单元模型的训练输出数据；

根据所述训练输出数据和实际流量数据确定所述候选双向门控循环单元模型的预测误差；

在所述预测误差小于预设误差阈值时，将所述候选双向门控循环单元模型作为预设双向门控循环单元模型。

6.如权利要求5所述的网络流量预测方法，其特征在于，所述根据所述训练输出数据和实际流量数据确定所述候选双向门控循环单元模型的预测误差的步骤之后，还包括：

在所述预测误差大于或等于预设误差阈值时，对所述候选双向门控循环单元模型进行参数调整，直至所述预测误差小于所述预设误差阈值；

将调整后的候选双向门控循环单元模型作为预设双向门控循环单元模型。

7.如权利要求6所述的网络流量预测方法，其特征在于，所述根据所述训练输出数据和实际流量数据确定所述候选双向门控循环单元模型的预测误差的步骤，包括：

获取所述流量数据样本的样本总数，并根据所述训练输出数据、实际流量数据以及所述样本总数确定均方根误差和平均相对误差；

根据所述均方根误差和所述平均相对误差确定所述候选双向门控循环单元模型的预测误差。

8.一种网络流量预测设备，其特征在于，所述网络流量预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的网络流量预测程序，所述网络流量预测程序被所述处理器执行时实现如权利要求1至7中任一项所述的网络流量预测方法。

9.一种存储介质，其特征在于，所述存储介质上存储有网络流量预测程序，所述网络流量预测程序被处理器执行时实现如权利要求1至7中任一项所述的网络流量预测方法。

10.一种网络流量预测装置，其特征在于，所述网络流量预测装置包括：数据获取模块、数据处理模块和流量预测模块；

所述数据获取模块，用于获取待预测网络对应的历史时序流量数据；

所述数据处理模块，用于对所述历史时序流量数据进行标准化处理，获得目标流量数据；

所述流量预测模块，用于根据所述目标流量数据通过预设双向门控循环单元模型进行流量预测，获得所述待预测网络的预测流量数据。