[发明专利]一种基于深度神经网络的弹性IP计费方法及系统

权利要求书

1.一种基于深度神经网络的弹性IP计费方法，其特征是所述的方法具体步骤如下：

S1对用户上网时段数据进行预处理；

S2利用残差网络对预处理的数据进行自动特征提取；

S3利用双向长短时记忆网络模型经过学习训练特征数据前后时间的关联性；

S4利用双向长短时记忆网络模型对弹性IP单价进行重新定价。

2.根据权利要求1所述的方法，其特征是所述S1对用户上网时段数据进行预处理的具体步骤如下：

S101间隔时段统计用户上网流量数据并绘制成折线图；

S102将折线图通过傅里叶变换转成功率图。

3.根据权利要求2所述的方法，其特征是所述S2采用50层的残差网络对预处理的数据进行自动特征提取。

4.根据权利要求3所述的方法，其特征是所述S4利用双向长短时记忆网络模型对弹性IP单价进行重新定价的具体步骤如下：

S401将双向长短时记忆网络模型中的激活函数去掉，得到上网时长预测数据；

S402双向长短时记忆网络模型根据预测数据对弹性IP单价继续重新定价。

5.一种基于深度神经网络的弹性IP计费系统，其特征是所述的系统具体包括数据预处理模块、特征提取模块、权重训练模块和模型预测模块：

数据预处理模块：对用户上网时段数据进行预处理；

特征提取模块：利用残差网络对预处理的数据进行自动特征提取；

权重训练模块：利用双向长短时记忆网络模型经过学习训练特征数据前后时间的关联性；

模型预测模块：利用双向长短时记忆网络模型对弹性IP单价进行重新定价。

6.根据权利要求5所述的系统，其特征是所述数据预处理模块具体包括数据统计模块和统计转换模块：

数据统计模块：间隔时段统计用户上网流量数据并绘制成折线图；

统计转换模块：将折线图通过傅里叶变换转成功率图。

7.根据权利要求6所述的系统，其特征是所述特征提取模块采用50层的残差网络对预处理的数据进行自动特征提取。

8.根据权利要求7所述的系统，其特征是所述模型预测模块具体包括数据预测模块和数据预测模块：

数据预测模块：将双向长短时记忆网络模型中的激活函数去掉，得到上网时长预测数据；

数据预测模块：双向长短时记忆网络模型根据预测数据对弹性IP单价继续重新定价。