流量预测

摘要： 无线接入用户的需求呈爆炸式增长,5G网络流量呈指数级增长且呈现出多样性、异构性的趋势,使得网络流量预测面临诸多挑战。针对5G网络部署宏基站、微基站与微微基站的多层架构,文中提出基于生成对抗网络(GAN)的流量预测方法。首先,生成网络分别捕捉流量时空特征与基站类型特征,将拼接特征输入复合残差模块以生成预测流量,并将生成流量输入判别网络;然后,判别网络判断生成流量是真实流量还是预测流量;最后,经过生成网络与判别网络的博弈对抗使生成网络生成高精度的预测流量。实验结果表明,GAN的二维均方根预测误差分别比2DCNN,3DCNN和ConvLSTM降低了58.64%,38.74%和34.88%,具有最优的流量预测性能。

摘要： 共享单车有利于解决城市居民“最后一公里”的出行难题,为居民出行提供了很多便利,近年来取得快速发展。但是由于共享单车交通出行存在“潮汐现象”,导致车辆分布不均衡,并且大多采用无桩式停放方式,使用者在设置的停放区域周边随意停放即可还车,这也带来了诸如共享单车“乱停乱放”“调度成本高”等一系列问题。本文通过调查问卷数据分析建立共享单车流量预测模型,从而根据流量预测结果设计动态定价策略。该策略在保证共享单车企业收益增加的情况下,可以调控共享单车出行分布,使得车辆分布更加均衡,一方面可以缓解在部分区域停放过多而有些区域则没有车辆停放而带来的“乱停乱放”问题,另外一方面,也可以提高共享单车的使用效益,降低车辆调度成本。

摘要： 当前使用门控循环单元(Gated Recurrent Units,GRU)神经网络进行流量预测时,普遍存在滞后性以及预测准确性不高的问题,因此提出一种改进的GRU模型进行流量预测的方法。首先基于GRU神经网络提出一种双向GRU神经网络和人工神经网络堆叠的网络模型,适用于流量特征、时间特征、事件特征等多维向量的输入;同时为解决部分时间段准确度不高的问题,将训练样本进行日期分类,针对每一类日期生成单独的网络模型,能大幅提升预测的准确度以及改善预测的滞后性。最后,为了提升流量峰值的预测准确度,采用样本的再平衡手段以及自定义损失函数,实验结果表明,能较好地达成预期目标。

摘要： 为了提高中小流域流量预测的精度,提出一种混合遗传算法(SP;A)优化长短时记忆神经网络(LSTM)的流量预测模型(SP;A-LSTM)。由于LSTM模型参数难以确定,因此采用SP;A进行参数寻优。SP;A算法在遗传算法中引入粒子群算法公式作为变异算子,并且在种群进化后期进行模拟退火操作,以此提高算法的收敛速度和全局搜索能力。通过对龙山流域2010年1月到2014年7月39998个小时流量数据进行仿真,结果表明SP;A算法优化LSTM的方法能够有效提高中小流域流量预测的稳定性和精度。

摘要： 无人机(UAV)可以作为空中基站而凭借其移动性灵活地实现热点区域的覆盖。如何预测流量的分布而优化UAV部署是运营商面临的挑战。针对此问题,该文提出一种基于注意力机制卷积长短期记忆网络(A-ConvLSTM)的UAV节能预部署策略:提出一种融合注意力机制的卷积长短期记忆深度时空网络模型A-ConvLSTM,用于预测用户与流量的时空分布;基于预测结果优化UAV的覆盖和位置,在满足用户接入速率要求的前提下,以最小化UAV系统发射功率为目标建立优化模型,将目标问题解耦成两个子问题并提出一种节能部署算法迭代求解。实验结果表明A-ConvLSTM性能高于各基线模型;节能部署算法能够有效降低UAV系统发射功耗,并能以更少数量的UAV实现整体区域覆盖。

摘要： 探索使5G网络应用于垂直行业的方法,关键在于满足行业业务需求的前提下,提供高效率低能耗的网络服务。为了实现5G网络资源负载均衡及网络切片等应用,本文通过研究5G网络的实际表现,对5G网络进行精准预测,提出一种基于CNN-GRU的5G流量预测模型。利用实测带宽数据进行测试,与LSTM,GRU等网络模型进行对比验证其实际表现。结果表明,CNN-GRU的表现优于对比模型,是预测5G流量的理想模型。

摘要： 随着新型电力系统建设步伐的加快,电网信息化程度不断加深,上万台虚拟机构成的庞大数据中心,仅仅依靠传统任务调度型副本管理策略,已无法满足未来精准负荷控制等新型电力业务对大数据处理时延的需求。对此,文章在充分考虑网络流量和数据中心位置分布的基础上,构建一种基于随机配置网络(SCN)的电力大数据自适应副本管理系统。同时,提出了一种基于C-means聚类的底层设备分类网络流量预测模型,有效地完成数据库网络资源的实时评估。为了有效提升电力大数据副本管理效率降低数据处理延时,提出了一种面向新型电力系统的数据存储和选择的副本管理算法,实现电力大数据副本的灵活存储和最优选择。最后,在相应省公司开展试点验证,实验结果表明该算法能够有效支撑电力大数据存储,降低数据处理延时,跨分布式DCs的现场作业完成时间平均减少12.19%。

摘要： 网络流量短期预测由于其波动性大,突发性强,采样随机性高等特点一直是研究人员重点关注的课题之一,其对于网络调度,异常预警等网络规划工作具有重要的指导作用。从网络短期流量的时间周期性和空间关联性入手,对原始短期流量数据进行时空特征维度构造,并使用长短期记忆LSTM和LightGBM决策树对未来不同采样时刻的流量进行预测,最终在多个数据集的实验中达到了良好的预测精度。

摘要： 针对当前网络流量无法根据流量变化的特征进行预测,且通过单一或者组合模型依然得不到较高准确率的问题,提出一种基于HP(High-Pass Fliter)滤波的流量预测模型。基于高铁站流量数据日高夜低的周期特性以及流量波动增长的长期趋势,依据HP滤波将网络流量分解成周期序列及趋势序列。利用自回归-滑动平均模型(ARMA)对平稳序列预测的优势来进行周期变化的预测;使用人工蜂群算法(ABC)优化后的支持向量回归机(SVR)对趋势序列进行预测;将二者预测的结果叠加,使用遗传算法优化的BP神经网络(GABP)进行结合预测,进一步提高准确率。结果显示,该预测方法可靠,较其他方法具有优越性。

摘要： 针对无线网络流量长期预测问题,提出一种基于宽度&深度学习的基站网络流量预测方法。首先,利用S-H-ESD算法和数据平滑方法对网络流量数据进行预处理,以降低噪声数据对预测的影响;然后,将网络流量作为宽度&深度模型的深度部分(神经网络)的输入,将无线资源控制(RRC)连接数和物理资源块(PRB)利用率作为模型的宽度部分(线性模型)输入,通过结合深度部分和宽度部分来预测网络流量。所提方法为所有基站的网络流量建立一个预测模型,预测结果的均方根对数误差(RMSLE)为0.985,明显优于传统的季节性差分自回归滑动平均模型(RMSLE为2.095)和长短期记忆网络模型(RMSLE为3.281)。实验结果表明:宽度&深度模型通过结合线性模型的记忆能力和深度模型的泛化能力,能够更好地解决无线网络流量的长期预测问题。

摘要： 为了解决校园网络日志存储中流量变化导致的机械硬盘平均访问时间长、波动大的问题,设计了一种通过流量预测进行日志写入的方法.首先,提出流量定界算法对流量进行划分为高峰期、中间期与低谷期.然后,利用BP神经网络对不同时期的流量数据进行训练,构建流量预测模型.最后,基于流量预测模型,设计日志存储算法.实验结果表明:与已有的日志写入方法相比较,基于流量预测的日志写入方法在流量高峰期时机械硬盘的平均访问时间从90ms减小至59ms以下,同时,平均访问时间的方差从224.5降至50.2.

摘要： 在网络技术不断进步的今天,大数据时代已经来临,本文探讨了大数据的概念及特点,分析了大数据的发展对电力通信网络的影响,针对其特点研究了大数据环境下电力通信网络流量预测的方法,通过对郑州光纤传输网传输流量及带宽的实际分析,对智能电网战略中电力通信网规划和建设发展提出了建议.

摘要： 针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.

摘要： 随着2I2C不限量套餐的发展,网络业务量和负荷快速增加,为了更精准地进行容量保障,根据网络和业务特点,研究用户感知标准,制定基于业务场景化的扩容门限,并在新的业务增长特点下,优化流量预测算法,进行精准的业务预测,制定一体化的容量规划方案.

摘要： 在阐述平凉铁路地区概况的基础上,结合物流量预测,对平凉南铁路物流基地的各功能区作业线的规模进行研究,在此基础上研究了横列贯通式布置和尽头式布置两种平面布置的方案.经过综合比选,推荐横列贯通式的布置形式,按照促进产业发展、形成产业优势、减少中间环节的原则,对汽车产业区、冷链产业区、电商产业区、仓储产业区、配送产业区、交易展示区、综合服务区、中心办公区、生产生活区、停车场等十个产业区的布局进行了进一步的研究,提出了合理的布局模式.

摘要： 随着IDC业务的蓬勃发展,其网络质量、流量控制和管理工作都面临着更多挑战.本文分析了IDC网络流量的特性,提出了基于小波变换和FARIMA模型的流量预测方法,利用流量分析平台所采集的真实数据进行实验,结果表明预测结果准确有效.将本文方法应用到工作中,有利于IDC网络资源管理优化,对通信网络运营管理具有实际意义.

摘要： 在闭式水循环系统中,以IS50-32-125单级单吸离心泵为例,说明当水泵台数变化时,单泵的流量和系统的总流量预测方法以及变化.对比不同的预测方法带来的误差,以求找到相对精确的结果.

摘要： 伴随着移动网络质量的提升,有线宽带业务得到大力发展,网络带宽资源越来越丰富,用户使用互联网的资源趋于完善,用户对互联网业务的依赖度逐步提升.运营商在网络运行上存在巨大压力.如何更好地提升用户访问互联网资源的体验感,最大限度地节省网络建设的成本,成为各大运营商和互联网企业的首要问题.本研究将针对某运营商CDN的现网情况,分析存在的问题,得出自身的优势和劣势,给出未来CDN部署的合理策略.首先，为满足某视频业务发展需求，CDN下沉部署是较为简单有效的方式.其次，CDN下沉部署可以提升用户体验。同时，未来视频业务流量的高速增长是城域网流量增长的主要的原因。CDN下沉部署可以使这部分流量终结在承载网的较低层面。这将可以有效地减低承载网核心层的压力，有效减少投资风险。所以某运营商CDN的下沉部署是十分必要的。

摘要： 伴随着移动网络质量的提升,有线宽带业务得到大力发展,网络带宽资源越来越丰富,用户使用互联网的资源趋于完善,用户对互联网业务的依赖度逐步提升.运营商在网络运行上存在巨大压力.如何更好地提升用户访问互联网资源的体验感,最大限度地节省网络建设的成本,成为各大运营商和互联网企业的首要问题.本研究将针对某运营商CDN的现网情况,分析存在的问题,得出自身的优势和劣势,给出未来CDN部署的合理策略.首先，为满足某视频业务发展需求，CDN下沉部署是较为简单有效的方式.其次，CDN下沉部署可以提升用户体验。同时，未来视频业务流量的高速增长是城域网流量增长的主要的原因。CDN下沉部署可以使这部分流量终结在承载网的较低层面。这将可以有效地减低承载网核心层的压力，有效减少投资风险。所以某运营商CDN的下沉部署是十分必要的。

摘要： 伴随着移动网络质量的提升,有线宽带业务得到大力发展,网络带宽资源越来越丰富,用户使用互联网的资源趋于完善,用户对互联网业务的依赖度逐步提升.运营商在网络运行上存在巨大压力.如何更好地提升用户访问互联网资源的体验感,最大限度地节省网络建设的成本,成为各大运营商和互联网企业的首要问题.本研究将针对某运营商CDN的现网情况,分析存在的问题,得出自身的优势和劣势,给出未来CDN部署的合理策略.首先，为满足某视频业务发展需求，CDN下沉部署是较为简单有效的方式.其次，CDN下沉部署可以提升用户体验。同时，未来视频业务流量的高速增长是城域网流量增长的主要的原因。CDN下沉部署可以使这部分流量终结在承载网的较低层面。这将可以有效地减低承载网核心层的压力，有效减少投资风险。所以某运营商CDN的下沉部署是十分必要的。

摘要： 本申请提供一种流量预测模型、训练方法、预测方法、装置、设备及介质，方法包括：获取流量数据集，通过滑动窗口操作对流量数据集进行截取，得到滑动窗口大小的流量的样本数据特征，以及流量的样本数据特征对应的样本标签；样本标签流量的样本数据特征后的下一流量值；获取样本标签对应的样本属性特征；使用模型的门控循环神经网络对流量的样本数据特征进行处理，并将输出的记忆状态与样本属性特征一起输入至模型的全连接网络进行回归预测；根据样本标签和预测结果，通过反向传播算法更新参数权重，得到训练好的流量预测模型。这样使得预测结果与不同流量的属性相关联，解决了流量峰值预测存在的滞后性和准确度不高的问题。

摘要： 本发明涉及通信领域，公开了预测人流量以及建立人流量预测模型的方法及相关设备。用于针对热点地区实现总人流量的准确预测。该方法为：确定目标区域和至少一个对目标区域总人流量有影响的参考区域，然后，基于移动数据获得至少一个参考区域在第一时刻的总人流量，并根据目标ARMA模型，对目标区域在未来的第二时刻的总人流量进行预测；其中，该目标ARMA模型是基于至少一个参考区域在各个历史时刻的总人流量，对目标区域在相应之后的历史时刻的总人流的影响而建立的。这样，可以根据参考区域的历史数据，对目标区域的未来时刻的总人流量进行准确预测，同时，有效解决了现有技术中存在的源数据覆盖狭隘以及数据采集设备维护成本高的问题。

摘要： 本发明公开了一种考虑路网OD流量贡献时变性的收费站流量预测方法，S1：统计分析路网中构成各收费站90％出口流量的入口站点数，拟合其区间分布，在此基础上得到降维阈值；S2：通过分析不同天中同一预测时间区间的流量贡献率，拟合其概率分布，估计预测时段的贡献率；S3：结合不同天中在同一预测区间的流量贡献率的变化程度，确定在预测区间路网中各收费站的权重；S4：结合各收费站的实时上道流量数据，建立考虑OD间贡献时变性的下道流量预测模型，得到初步预测结果；S5：根据上一时间窗口的预测结果与实际结果的误差，对本时间窗口的预测结果进行修正，得到最终的预测结果。本发明减小了计算的规模，提高了精度，值得在本领域大量推广。

摘要： 本发明提供了一种流量预测方法、流量预测模型建立方法和存储介质，包括：获取第一特征值序列和预测时间步长，第一特征值序列根据第一时间段和与第一时间段对应的第一网络流量值得到；将第一特征值序列和预测时间步长输入至流量预测模型以得到在预测时间步长之内的网络流量预测值，流量预测模型由深度自回归模型根据训练集数据训练得到，训练集数据包括多个小区标识信息、与各个小区标识信息对应的多个第二时间段以及与第二时间段一一对应的第二网络流量值。本发明采用深度自回归模型进行训练，由于深度自回归模型能够很方便地纳入额外的特征，并且能够更精确地对小区未来的网络流量进行预测，因此，本发明实施例能够提高网络流量预测的准确度。

摘要： 本申请实施例提供了一种车流量预测模型训练和车流量预测方法、装置及电子设备，获取路口的历史过车数据和各历史信号周期，根据历史过车数据中路口车辆的历史过车时间，计算同一车辆先后两次过车的时间间隔，并根据多个时间间隔在预设时间区间内的分布情况，确定该车辆对应的去重时间阈值，对历史过车数据中同一车辆先后两次过车的时间间隔小于该车辆对应的去重时间阈值的待去重历史过车数据进行去重处理，得到更新的历史过车数据，根据更新的历史过车数据，分别统计各历史信号周期内的车流量，基于各历史信号周期内的车流量，训练车流量预测模型。本方案提升了车流量预测模型的精度和车流量预测的准确性。

摘要： 本公开提供了客流量预测模型的训练方法和客流量的预测方法和装置，涉及包括深度学习的人工智能技术领域。具体实施方式包括：获取地区中目标地点对应的训练样本，其中，训练样本包括历史客流量信息和待预测时间段的真实客流量信息，历史客流量信息和真实客流量信息分别为客流量预测模型的输入和目标输出；根据训练样本中的输入和目标输出，对客流量预测模型进行训练，得到训练后的客流量预测模型。本公开可以实现训练客流量预测模型，让训练后的模型实现通过历史客流量信息，预测出待预测时间段的客流量信息。

摘要： 本发明适用于数据预测优化技术领域，提供了一种建立区域流量预测模型的方法及区域流量预测方法，建立区域流量预测模型的方法包括：利用由N个区域组成的基准年投入产出表中，区域i与N‑1个任意区域j之间的历史流量交互量，和在封闭经济体系约束的极值范围内，随机产生N‑1个区域j的历史流量交互量，补全基准年投入产出表；利用RAS方法，结合目标年投入产出表中第N+1行的给定值给定和第N+1列的给定值，和补全后的基准年投入产出表，得到完整目标年投入产出表，通过输入输出数据集的输入输出关系构建获得多元非线性回归模型，即区域流量预测模型。通过本发明可提供一种所需的历史数据较少、可靠性高，误差小的区域流量预测模型。

摘要： 本发明涉及通信领域，公开了预测人流量以及建立人流量预测模型的方法及相关设备。用于针对热点地区实现总人流量的准确预测。该方法为：确定目标区域和至少一个对目标区域总人流量有影响的参考区域，然后，基于移动数据获得至少一个参考区域在第一时刻的总人流量，并根据目标ARMA模型，对目标区域在未来的第二时刻的总人流量进行预测；其中，该目标ARMA模型是基于至少一个参考区域在各个历史时刻的总人流量，对目标区域在相应之后的历史时刻的总人流的影响而建立的。这样，可以根据参考区域的历史数据，对目标区域的未来时刻的总人流量进行准确预测，同时，有效解决了现有技术中存在的源数据覆盖狭隘以及数据采集设备维护成本高的问题。

摘要： 本发明公开一种基于神经网络的网络流量预测系统及网络流量预测方法，属于计算机技术领域。所述网络流量预测系统包括数据采集模块、数据预处理模块以及网络流量预测模块，数据采集子模块采用基于端口镜像的网络方式实现对网络中各种流量信息的实时采集，数据预处理模块把采集到的数据分别保存并做归一化处理，使得样本数据值在0～1之间，为预测模块提供纯净的数据。流量预测模块根据采集到的IP网络流量数据确定用于流量预测的神经网络的拓扑结构和网络参数，并利用神经网络的方法进行预测，得出预测结果。本发明可对各种骨干网络进行监控检测和分析，实时监控、检测骨干网络中的网络异常事件，实现对网络异常情况的提前预警。

摘要： 本发明公开了一种融合流量特征的网络流量预测方法，具体涉及网络信息工程技术领域，收集并获得预设时间周期范围内的历史网络流量数据，并将所获的历史网络流量数据按照预设时间步长划分为预设数量个子流量序列，分别针对各个流量序列，构建并获得网络流量预测模型，应用网络流量预测模型，对子流量序列所对应的网络流量进行预测，获得网络流量的预测分类标签结果。通过本发明的技术方案将网络流量的自相似特性作为先验知识，将其融入长短记忆神经网络的门控机制中，再结合一维卷积神经网络和注意力机制提取流量序列的时间特征，能够恢复原始数据的特征，赋予模型预测结果的可解释性，从而提高网络流量的预测精度更好的描述网络流量的变化趋势。