[发明专利]网络流量预测方法和设备

权利要求书

1.一种网络流量预测方法，其特征在于，包括：

确定第一输入数据、第一输入数据的往年对照数据以及第一输入数据的节假日标签，所述第一输入数据包括第一时间长度的历史流量特征值；

将所述第一输入数据和所述第一输入数据的节假日标签输入包括编码时序卷积网络TCN和解码TCN的第一模型，所述第一模型输出第一时间长度之后第二时间长度的第一预测流量值；

将所述第一输入数据和所述第一输入数据的往年对照数据输入包括编码TCN和解码TCN的第二模型，所述第二模型输出第一时间长度之后第二时间长度的第二预测流量值；

根据所述第一预测流量值和所述第二预测流量值的加权，确定第一时间长度之后第二时间长度的预测流量目标值。

2.根据权利要求1所述的方法，其特征在于，所述第一输入数据的往年对照数据为所述第一输入数据前N年的同一时间段的历史流量特征值，N≥1。

3.根据权利要求1所述的方法，其特征在于，

所述编码TCN用于根据输入数据的周期性变化规律，将输入数据编码为语义序列；

所述解码TCN用于根据语义序列的周期性变化规律，将语义序列解码为输出数据。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述第一输入数据相对于所述第一输入数据的往年对照数据的差值变化量分别输入所述第一模型和所述第二模型，其中，

所述第一模型根据所述第一输入数据、所述第一输入数据的节假日标签以及所述差值变化量，输出所述第一预测流量值；

所述第二模型根据所述第一输入数据、所述第一输入数据的往年对照数据和所述差值变化量，输出所述第二预测流量值。

5.根据权利要求1所述的方法，其特征在于，还包括：

如果第二时间长度包含春节假期，则确定春节输入数据，所述春节输入数据包括第二时间长度之前的往年春节假期的历史流量特征值；

将所述春节输入数据输入包括编码TCN和解码TCN的第三模型，所述第三模型输出第一时间长度之后春节假期的第三预测流量值；

将所述预测流量目标值与春节假期对应的预测流量值替换为所述第三预测流量值。

6.根据权利要求1所述的方法，其特征在于，所述第一模型是通过N年的历史流量数据训练得到的，其中：

所述第一模型基于第一样本集训练得到，所述第一样本集包含的样本数据根据N年的历史流量数据确定，所述第一样本集中的每个样本数据均包括：第一时间长度的历史流量特征值以及相应历史流量特征值的节假日标签，每个所述样本数据还包括第一时间长度之后第二时间长度的历史流量特征值；

通过所述第一样本集的训练，所述第一模型建立第一预测规则，所述第一预测规则用于根据输入的第一时间长度的历史流量特征值和相应历史流量特征值的节假日标签，输出第二时间长度的第一预测流量值。

7.根据权利要求1所述的方法，其特征在于，所述第二模型是通过N年的历史流量数据训练得到的，其中：

所述第二模型基于第二样本集训练得到，所述第二样本集包含的样本数据根据N年的历史流量数据确定，所述第二样本集中的每个样本数据均包括：第一时间长度的历史流量特征值、相应历史流量特征值的往年对照数据，每个所述样本数据还包括第一时间长度之后第二时间长度的历史流量特征值；

通过所述第二样本集的训练，所述第二模型建立第二预测规则，所述第二预测规则用于根据输入的第一时间长度的历史流量特征值和相应历史流量特征值的往年对照数据，输出第二时间长度的第二预测流量值。

8.根据权利要求6-7任一项所述的方法，其特征在于，所述方法还包括：

基于样本集对模型进行多次训练，其中，每次训练采用的样本数据不同；

在每次训练中，根据所述第一时间长度之后第二时间长度的历史流量特征值，确定预测流量目标值的损失值；

比较每次训练的损失值，当损失值不再降低时，结束对模型的训练。