[发明专利]基于时空特征的交换机链路资源预测方法

权利要求书

1.一种基于时空特征的交换机链路资源预测方法，其特征在于，包括：

(1)将所有交换机之间的每条链路映射成一个节点，并将部署于同一台交换机的节点相互连接，构建链路负载之间的图结构；

(2)设计改进型空间门循环网络S-GRU⁺模型：

(2a)将改进的门循环单元网络GRU⁺、图卷积神经网络GCN、改进的门循环单元网络GRU⁺和输出层网络依次纵向级联，组成改进型空间门循环单元；其中改进的门循环单元网络GRU⁺，由多个级联的GRU⁺单元组成，每一个GRU⁺单元包括单元状态模块和更新门z_t；

所述单元状态模块通过tanh函数对新输入信息x_t和隐藏层历史信息h_t-1做非线性化处理，

所述更新门z_t，通过sigmod函数调整新输入信息x_t和隐藏层历史信息h_t-1的权重，得到输出结果：其中：

z_t＝σ(W_xzx_t+W_hzh_t-1+b_z)

式中，σ表示sigmod函数，W_xz、W_hz分别表示更新门z_t的新输入信息x_t和隐藏层历史信息h_t-1的权重参数，W_xh、W_hh分别表示单元状态新输入信息x_t和隐藏层历史信息h_t-1的权重参数，b_z、b_h分别表示更新门z_t和单元状态的偏置参数；

(2b)将多个改进型空间门循环单元中的GRU⁺横向级联，构成改进型空间门循环网络S-GRU⁺模型；

(3)构建S-GRU⁺网络模型的数据集：

(3a)每隔固定的时间间隔，通过软件定义网络SDN控制器向所有交换机发送“端口统计量请求消息”指令，获取和存储交换机之间所有链路负载信息x_t，并将其作为节点的链路负载特征值：

其中，表示在时间t第i个节点的链路负载特征值，N表示节点数量，T表示矩阵转置；

(3b)用获取τ个时间间隔的交换机之间所有链路负载信息x_t构成数据集：

X＝(x₁，x₂,…,x_t,…,x_τ)^T，

其中，x_t∈R^N表示所有节点在时间t时刻的链路负载特征值；

(3c)将数据集X按照4：1的比例划分为训练集X₁和测试集X₂；

(4)根据每条链路空间位置信息，构建链路之间关联关系的邻接矩阵A：

(4a)定义链路的图结构为无向图G＝(V，E)，其中V是节点集，E是两个节点之的边集；

(4b)根据链路的无向图，构建N个节点空间位置关系的N*N维邻接矩阵A：

其中，a_ij为图结构上任意两个节点i和j的相互连接情况，若a_ij等于1则表示节点i与节点j相连，否则，为0表示两节点之间无连接，i,j∈[1,N]；

(5)将训练集X₁和邻接矩阵A输入S-GRU⁺网络模型，通过反向传播算法对其进行训练，得到训练好的S-GRU⁺网络模型；

(6)将测试集X₂和邻接矩阵A输入到训练完成的S-GRU⁺网络模型，输出结果即为预测的每条链路负载。