[发明专利]一种数据预测方法和装置

说明书

技术领域

本发明涉及计算机网络领域，尤其涉及一种数据预测方法和装置。

背景技术

网络流量，尤其是视频流量，具有很强的自相似性和突发性。网络流量预测在加强网络管控、提高网络资源利用率、防范大规模网络攻击及网络故障等方面发挥着至关重要的作用，通过对网络流量的预测，可以获取未来网络流量的变化趋势，实现对网络的拥塞控制，并为网络资源的合理分配提供有效的依据。同时，还可以探测到潜在的网络威胁、故障等，实现网络的入侵检测和故障管理。

在现有技术中，传统的递归神经网络是一种理想的非线性时间序列预测工具，采用误差梯度下降法训练该网络，现已广泛应用于网络视频流量预测。

在实现上述视频流量预测的过程中，发明人发现现有技术中至少存在如下问题：

误差梯度下降法对递归神经网络的连接权的修改是逐步实现的，可能会出现梯度信息退化，从而无法保证算法的收敛性，从而无法保证预测精度；

训练算法的权值更新过程计算量非常大。通常情况下，由于需要循环对某些权值进行更新，使得网络的训练需要时间过多，导致预测的速度过慢，致使梯度下降算法一般只能应用于规模比较小的递归神经网络的训练。

发明内容

本发明的实施例提供一种视频流量预测方法和装置，能够提高数据的预测速度和预测精度。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，提供一种数据预测方法，所述方法包括：

获取输入数据；

将所述输入数据输入到回声状态网络中，其中，所述回声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述动态池第二神经元向所述动态池第一神经元反馈数据，所述动态池第一神经元与所述动态池第二神经元相邻；

通过所述回声状态网络获取预测数据。

第二方面，提供一种数据预测装置，所述装置包括：

输入数据获取单元，用于获取输入数据；

预测单元，用于在所述输入数据获取单元获取所述输入数据后，将所述输入数据输入到回声状态网络中，其中，所述回声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述动态池第二神经元向所述动态池第一神经元反馈数据，所述动态池第一神经元与所述动态池第二神经元相邻；

通过所述回声状态网络获取预测数据。

本发明实施例提供一种数据预测方法和装置，首先利用训练数据训练回声状态网络，所述回声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述动态池第二神经元向所述动态池第一神经元反馈数据，所述动态池第一神经元与所述动态池第二神经元相邻，而后将输入数据输入到经过训练后的回声状态网络中，从而获得预测数据，能够提高数据预测速度和预测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种数据预测方法流程示意图一；

图2为本发明实施例提供的一种数据预测方法流程示意图二；

图3为本发明提供的一种回声状态网络的结构示意图；

图4为本发明提供的一种数据预测装置的结构示意图一；

图5为本发明提供的一种数据预测装置的结构示意图二；

图6为本发明提供的一种数据预测装置的结构示意图三；

图7为本发明提供的一种数据预测装置的结构示意图四。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种数据预测方法，如图1所示，所述方法包括：

S101、获取输入数据。

S102、将输入数据输入到回声状态网络中，其中，回声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，动态池第二神经元向动态池第一神经元反馈数据，动态池第一神经元与动态池第二神经元相邻。

S103、通过回声状态网络获取预测数据。