基于深度学习的长期网络流量预测方法

发明专利有效专利

申请号：
CN202110676466.3
IPC分类号：H04W24/00;H04W72/04;H04L12/24;G06N3/04;G06N3/08
申请日期：
2021-06-18
申请人：
东南大学;网络通信与安全紫金山实验室

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度学习的长期网络流量预测方法
申请号	CN202110676466.3	申请日期	2021-06-18
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-27	公开/公告号	CN113316163A
优先权	暂无	优先权号	暂无
主分类号	H04W24/00 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04W 无线通信网络〔2009.01〕 H04W24/00 监督，监控或测试装置〔2009.01〕	IPC分类号	H;0;4;W;2;4;/;0;0;;;H;0;4;W;7;2;/;0;4;;;H;0;4;L;1;2;/;2;4;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	东南大学;网络通信与安全紫金山实验室	申请人地址	江苏省南京市江宁区东南大学路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	东南大学,网络通信与安全紫金山实验室	当前权利人	东南大学,网络通信与安全紫金山实验室
发明人	潘志文;徐佳璐;刘楠;尤肖虎
代理机构	南京瑞弘专利商标事务所（普通合伙）	代理人	沈廉

摘要

本发明公开了基于深度学习的长期网络流量预测方法，包括：首先获取区域网络流量序列，统计其在每个时刻内使用的流量值；然后对流量矩阵序列进行预处理，得到Transformer模型的输入数据；其次，建立Transformer模型，对于二维矩阵数据采用Transformer模型进行时间相关性和空间相关性的自适应提取；最后，采用自适应的训练机制进行模型训练。本发明提高了网络流量多步长期预测的准确性，以便于运营商对未来的网络资源提前进行规划，有利于无线资源的合理分配。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供