[发明专利]基于神经网络的流量预测的方法、装置、设备和介质

权利要求书

1.一种基于神经网络的流量预测的方法，其特征在于，包括：

将历史用户样本和历史网络样本作为训练样本，将历史用户流量数据和历史网络流量数据作为目标数据，训练流量模型，得到预测模型；

根据所述预测模型，对用户预测样本以及网络预测样本进行学习，得到用户预测结果和网络预测结果；

基于所述用户预测结果和所述网络预测结果，得到流量预测结果。

2.根据权利要求1所述基于神经网络的流量预测的方法，其特征在于，

按照预设用户比例选取所述用户预测样本和按照预设网络比例选取所述网络预测样本。

3.根据权利要求1所述基于神经网络的流量预测的方法，其特征在于，所述用户预测样本包括：GET请求速率、常用业务、常驻小区以及业务时长，

所述网络预测样本包括：用户平面的承载E-RAB建立成功率、数据大包业务占比、流量最忙时段、平均长期演进技术网络的关键指标RS-SINR、上行平均综合速率以及下行平均综合速率。

4.根据权利要求1所述基于神经网络的流量预测的方法，其特征在于，将历史用户样本和历史网络样本作为训练样本，将历史用户流量数据和历史网络流量数据作为目标数据，训练流量模型，得到预测模型包括：

基于每一个所述历史用户样本确定所述流量模型中的用户神经元的初始权值；

根据每一个所述历史网络样本确定所述流量模型中的网络神经元的初始权值；

基于所述流量模型的输出结果和所述目标数据，修正所述用户神经元的初始权值和修正所述网络神经元的初始权值，得到所述预测模型，所述输出结果包括：用户流量数据和网络流量数据。

5.根据权利要求1所述基于神经网络的流量预测的方法，其特征在于，所述根据所述预测模型，对用户预测样本以及网络预测样本进行学习，得到用户预测结果和网络预测结果，包括：

根据所述预测模型，对用户预测样本以及网络预测样本进行学习，得到多个用户预测样本结果和多个网络预测样本结果；

将所述多个用户预测样本结果求和，得到所述用户预测结果；

将所述多个网络预测样本结果求和，得到所述网络预测结果。

6.根据权利要求1所述基于神经网络的流量预测的方法，其特征在于，所述流量模型的激励函数为一元二次函数。

7.根据权利要求1所述基于神经网络的流量预测的方法，其特征在于，所述基于所述用户预测结果和所述网络预测结果，得到流量预测结果，包括：

将所述用户预测结果按照预设放大比例进行放大，得到放大处理后的用户预测结果；

将所述放大处理后的用户预测结果和所述网络预测结果进行叠加，得到叠加函数；

基于所述叠加函数确定拟合函数的系数和常数项，得到预测函数；

根据所述预测函数和预测时间得到流量预测结果。

8.根据权利要求7所述基于神经网络的流量预测的方法，其特征在于，所述预设放大比例包括：选取所述用户预测样本的预设用户比例。

9.根据权利要求1所述基于神经网络的流量预测的方法，其特征在于，

利用数据库软件对样本数据进行处理，所述样本数据包括：历史用户样本、历史网络样本、历史用户流量数据、历史网络流量数据、用户预测样本、网络预测样本、用户预测结果和网络预测结果。

10.根据权利要求8所述基于神经网络的流量预测的方法，其特征在于，所述数据库软件包括：关系型数据库系统mysql、数据库管理系统sql server或甲骨文软件系统oracle。