[发明专利]节点带宽的预测方法、装置、电子设备和存储介质

权利要求书

1.一种节点带宽的预测方法，其特征在于，包括：

获取目标节点在目标时刻前第一预设时间段内的第一历史带宽数据，所述第一历史带宽数据包括：所述第一预设时间段对应的带宽值，以及所述第一预设时间段对应的时间属性信息，所述时间属性信息包括以下至少一种：工作日信息、节假日信息、闲时信息、忙时信息；

将所述第一历史带宽数据输入目标循环神经网络模型，得到所述目标节点在所述目标时刻后第二预设时间段内的预测带宽数据，所述预测带宽数据包括：所述第二预设时间段对应的带宽值；

其中，所述目标循环神经网络模型是基于训练样本集训练得到的，所述训练样本集包括：输入样本集和预测样本集，其中，所述输入样本集包括：第三预设时间段内的第二历史带宽数据，所述第二历史带宽数据包括：所述第三预设时间段对应的带宽值以及所述第三预设时间段对应的时间属性信息；所述预测样本集包括：第四预设时间段内的第三历史带宽数据，所述第三历史带宽数据包括：所述第四预设时间段对应的带宽值。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一历史带宽数据输入目标循环神经网络模型之前，还包括：

将所述输入样本集中的输入样本输入初始循环神经网络，得到输出样本；

根据所述输出样本以及所述预测样本集中预测样本，调整所述初始循环神经网络的参数，返回执行所述将所述输入样本集中的输入样本输入初始循环神经网络，得到输出样本，直至所述输出样本满足预设条件，确定所述初始循环神经网络为所述目标循环神经网络。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一历史带宽数据输入目标循环神经网络模型之前，还包括：

针对第i个初始循环神经网络，将所述输入样本集中的输入样本输入所述初始循环神经网络，得到输出样本，其中，i为大于等于1小于等于N的整数，N为所述初始循环神经网络的数量；

根据所述输出样本以及所述预测样本集中预测样本，调整所述初始循环神经网络的参数，返回执行所述将所述输入样本集中的输入样本输入所述初始循环神经网络，得到输出样本，直至迭代次数满足预设次数，确定所述初始循环神经网络为第i候选循环神经网络；

确定N个所述候选循环神经网络中误差最小的候选循环神经网络为所述目标循环神经网络。

4.根据权利要求3所述的方法，其特征在于，所述训练样本集还包括：测试样本集；

所述确定N个所述候选循环神经网络中误差最小的候选循环神经网络为所述目标循环神经网络，包括：

根据所述测试样本集中的测试样本，确定N个所述候选循环神经网络的预测结果的误差值；

确定N个所述误差值中的最小误差值对应的候选循环神经网络为所述目标循环神经网络模型。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述将所述第一历史带宽数据输入目标循环神经网络模型之前，还包括：

根据所述目标节点在多个所述第三预设时间段内的带宽值，确定目标带宽样本集；

根据各所述第三预设时间段内的带宽值对应的时间，获取各所述第三预设时间段对应的时间属性信息；

将所有所述第三预设时间段对应的时间属性信息添加至所述目标带宽样本集，获取所述训练样本集。

6.根据权利要求5所述的方法，其特征在于，所述根据所述目标节点在所述第三预设时间段内的带宽值，确定目标带宽样本集，包括：

确定所述目标节点在所述第三预设时间段内缺失的带宽值；

根据所述缺失的带宽值和所述目标节点在所述第三预设时间段内的带宽值，获取第一带宽样本集，所述第一带宽样本集中的所有带宽值均与时间一一对应；

根据所述第一带宽样本集，获取所述目标带宽样本集。