一种基于GNN-LSTM结合的网络流量预测方法

摘要

本发明提出一种基于GNN‑LSTM结合的网络流量预测方法，该方法属于网络流量预测领域，首先加载真实网络流量数据集，并对数据集进行标准归一化处理，然后将网络流量数据进行划分训练集和测试集，构建基于图神经网络和长短期记忆神经网络结合的模型，其中图神经网络学习网络拓扑结构，提取网络流量的空域特征，然后将具有空域作为长短期记忆神经网络输入，学习网络流量的时域变化规律，提取网络流量的时域特征，在LSTM模型中进行基于Adam优化算法进行迭代训练，得到训练好的模型，最后输入测试集数据进行预测，输出的序列是基于GNN‑LSTM的预测结果，每项序列生成概率都受多个历史的流量序列的影响，能够更好的提取网络流量的时空特性，流量预测更加精确。