[发明专利]节点带宽的预测方法、装置、电子设备和存储介质

说明书

本发明涉及一种节点带宽的预测方法、装置、电子设备、和存储介质。该预测方法包括：通过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，第一历史带宽数据包括：第一预设时间段对应的带宽值，以及第一预设时间段对应的时间属性信息；将第一历史带宽数据输入目标循环神经网络模型，得到目标节点在目标时刻后第二预设时间段内的预测带宽数据，预测带宽数据包括：第二预设时间段对应的带宽值，该方法能够提升节点带宽的预测结果的准确性。

技术领域

本公开涉及机器学习技术领域，尤其涉及一种节点带宽的预测方法、装置、电子设备和存储介质。

背景技术

内容分发网络(Content Delivery Network，CDN)服务商从电信运营商或代理商那里采购的节点的计费方式包括95计费方式、包端口计费方式、流量点计费方式等，其中，95计费方式是把一个月里的流量，按每5分钟统计一次，取其中流量最高值做一个流量峰值点，由此获得一个月内的多个流量峰值点，把流量峰值点的前5％去掉，按照剩下的95％来计算费用，也就是说每月中有36个小时的异常大带宽，不会影响当月的计费。因此需要精确预测CDN节点的当月付费带宽值，保证付费带宽在设定的规划值的范围内，从而不会影响成本。

现有技术中，可以通过昨日带宽的增长趋势拟合预测当前带宽的增长趋势，此种方式容易实现，但是预测结果误差较大；还可以通过自回归滑动平均模型(Autoregressivemoving average model，ARMA)预测当前带宽的增长趋势，ARMA模型简单，只需要内生变量而不需要其他外生变量，但是对时序数据的稳定性要求较高，且无法捕捉到非线性关系，导致预测结果误差较大。

发明内容

本发明实施例提供了一种节点带宽的预测方法、装置、电子设备、和存储介质，能够提升节点带宽的预测结果的准确性。

第一方面，本发明实施例提供了一种节点带宽的预测方法，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；

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：所述输入样本集和所述预测样本集，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。

可选的，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。

可选的，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；