网络流量预测方法和设备、模型构建及训练方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113259158A(43)申请公布日2021.08.13(21)申请号202110509575.6(22)申请日2021.05.11(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人刘亚娜(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人王云飞(51)Int.Cl.H04L12/24(2006.01)G06K9/62(2006.01)G06Q30/06(2012.01)权利要求书4页说明书18页附图6页(54)发明名称网络流量预测方法和设备、模型构建及训练方法和装置(57)摘要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。CN113259158ACN113259158A权利要求书1/4页1.一种网络流量预测模型构建方法，其特征在于，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；其中，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。2.根据权利要求1所述的网络流量预测模型构建方法，其特征在于，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；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。3.根据权利要求1或2所述的网络流量预测模型构建方法，其特征在于，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；其中，所述网络流量预测模型还包括时序数据分类子模型。4.根据权利要求3所述的网络流量预测模型构建方法，其特征在于，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；其中，所述网络流量预测模型还包括影响特征确定子模型。5.根据权利要求4所述的网络流量预测模型构建方法，其特征在于，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；其中，所述影响特征确定子模型包括初始类中心确定子模型和聚类分析子模型。6.一种网络流量预测模型训练方法，其特征在于，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。7.根据权利要求6所述的网络流量预测模型训练方法，其特征在于，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；2CN113259158A权利要求书2/4页所述网络流量预测模型包括第一流量预测子模型和第二流量预测子模型，其中，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；所述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包括：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；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；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。8.根据权利要求7所述的网络流量预测模型训练方法，其特征在于，所述网络流量预测模型还包括时序数据分类子