[发明专利]客户流量的预测、模型训练的方法、设备及存储介质

权利要求书

1.一种客户流量的预测方法，其特征在于，根据预测模型对客户流量进行预测，所述预测模型包括依次连接的目标栈式降噪自编码器和目标极限学习机，所述方法包括：

获取历史客户流量，所述历史客户流量包括第1天至第M天的客户流量，M为大于1的整数；

将所述历史客户流量输入目标栈式降噪自编码器，得到中间预测结果，所述中间预测结果为目标栈式降噪自编码器对第M+i天的客户流量的预测结果，i为大于0的整数；

将所述中间预测结果输入目标极限学习机，得到目标预测结果，所述目标预测结果为目标极限学习机对第M+i天的客户流量的预测结果；

若所述目标预测结果的客户流量满足预设条件，则根据预设的处理策略对数据库或服务器进行处理，所述预设的处理策略包括将客户流量限制在所述数据库或服务器的最大承载范围之内；

其中，所述目标栈式降噪自编码器是根据客户流量样本对栈式降噪自编码器进行训练得到的，用于对客户流量的中间预测结果进行预测的模型；

所述目标极限学习机是根据所述客户流量的中间预测结果和标签对极限学习机进行有监督训练得到的，用于对所述客户流量的预测结果进行预测的模型，所述标签为第M+i天的实际客户流量。

2.根据权利要求1所述的方法，其特征在于，所述目标栈式降噪自编码器包括多个子编码器，每个子编码器对应一天中的一个时间段，用于对所述时间段的客户流量进行预测；

其中，所述将所述历史客户流量输入目标栈式降噪自编码器，得到中间预测结果，包括：

根据一天中不同的时间段对所述历史客户流量进行划分，得到不同时间段的历史客户流量；

针对所述不同时间段的历史客户流量中每个时间段的历史客户流量，将所述时间段的历史客户流量输入与所述时间段对应的子编码器，得到所述时间段的中间预测结果；

所述目标极限学习机包括多个子极限学习机，每个子极限学习机对应一天中的一个时间段，用于根据所述时间段的中间预测结果对客户流量进行预测，得到所述时间段的目标预测结果；

相应的，所述将所述中间预测结果输入目标极限学习机，得到目标预测结果，包括：

将所述时间段的中间预测结果输入与所述时间段对应的子极限学习机，得到所述时间段的目标预测结果。

3.根据权利要求1或2所述的方法，其特征在于，所述预设条件包括目标预测结果的客户流量达到第一客户流量；

所述预设处理策略包括：

对所述服务器中的服务器站点的应用程序池进行回收；

和/或，

启动客户流量监控服务，所述客户流量监控服务用于对数据库的连接数量、服务器的CPU使用率、服务器的内存使用率和服务器的连接数进行监控。

4.根据权利要求1或2所述的方法，其特征在于，所述预设条件包括目标预测结果的客户流量大于第一客户流量且小于第二客户流量；

所述预设处理策略包括如下至少一项：

对会话的CPU占用率进行监控；

对所述服务器中的服务器站点的应用程序池进行回收；

将数据库的最大连接数设置为所述数据库的原始连接数的一半；

将服务器站点的最大连接数设置为所述服务器站点的原始连接数的一半。

5.根据权利要求1或2所述的方法，其特征在于，所述预设条件包括目标预测结果的客户流量大于或等于第二客户流量；

所述预设处理策略包括如下至少一项：

发送告警信息。

6.一种模型的训练方法，其特征在于，所述模型包括依次连接的目标栈式降噪自编码器和目标极限学习机，所述方法包括：

获取客户流量样本和标签，所述客户流量样本包括第1天至第N天的客户流量，所述标签为第N+j天的客户流量，其中，N为大于1的正整数，j为大于0的正整数，且j≤M；

根据所述客户流量样本对栈式降噪自编码器进行迭代训练，得到目标栈式降噪自编码器，所述目标栈式降噪自编码器的输出为第N+j天的客户流量的预测结果；

根据所述第N+j天的客户流量的预测结果和所述标签对极限学习机进行有监督训练，得到所述目标极限学习机。