网络流量预测方法、装置、计算机设备、介质和产品与流程

本申请涉及人工智能，特别是涉及一种网络流量预测方法、装置、计算机设备、介质和产品。

背景技术：

1、随着数字经济发展，网络流量呈现动态化、突发性、区域化特征，精准的流量预测是网络资源优化配置、拥塞预警的核心支撑。当前主流的网络流量预测技术普遍依赖多源知识库构建，其知识输入主要包含预置网络专业知识和人工输入知识。

2、然而，现有的网络流量预测方法，在面对非显性事件（如某园区企业临时加班、学校临时调课导致的局部流量波动）时，易被人工遗漏，导致预测模型无法捕捉此类场景，偏差率普遍较高，严重时引发网络拥塞。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高网络流量预测精准性的网络流量预测方法、装置、计算机设备、介质和产品。

2、第一方面，本申请提供了一种网络流量预测方法，包括：

3、通过预设接口从目标平台获取外部事件数据，并基于外部事件数据构建多源知识数据集合；外部事件数据包括外部事件实体对应的第一时间段和第一区域；

4、获取预设时间段内多个网元对应的覆盖区域内的实时流量数据，并按照预设时间窗口对实时流量数据进行聚合处理，得到各网元对应的聚合流量值；预设时间段根据第一时间段确定；

5、根据各网元对应的聚合流量值，获取多源知识数据集合所匹配的目标网元，并根据多源知识数据集合获取目标网元的基准预测流量值；

6、通过预先训练的流量预测模型对基准预测流量值进行预测，得到目标网元对应的流量预测结果。

7、在其中一个实施例中，基于外部事件数据构建多源知识数据集合的步骤，包括：

8、获取预置基础数据和人工录入数据；预置基础数据包括参考时间段内各网元对应的覆盖区域内的基础流量值；参考时间段根据第一时间段确定；人工录入数据包括全域事件实体对应的第二时间段和第二区域；

9、分别将外部事件数据、预置基础数据和人工录入数据转换为包含目标字段的结构化数据，得到多源知识数据集合。

10、在其中一个实施例中，根据各网元对应的聚合流量值，获取多源知识数据集合所匹配的目标网元的步骤，包括：

11、针对当前网元对应的当前聚合流量值，获取当前聚合流量值与多源知识数据集合中各结构化数据间的匹配程度；匹配程度包括当前聚合流量值的当前时间窗口与结构化数据对应时间段之间的时间窗口重叠度，以及当前网元对应的覆盖区域与结构化数据对应区域之间的区域重叠度；

12、在匹配程度满足匹配条件的情况下，将当前网元作为多源知识数据集合所匹配的目标网元；匹配条件包括时间窗口重叠度不小于第一阈值、且相应的区域重叠度不小于第二阈值。

13、在其中一个实施例中，根据多源知识数据集合获取目标网元的基准预测流量值的步骤，包括：

14、在外部事件数据满足匹配条件的情况下，获取外部事件数据对应的流量影响幅度；

15、在外部事件数据不满足匹配条件、人工录入数据满足匹配条件的情况下，获取全域事件实体对应的流量影响幅度；

16、在预置基础数据满足匹配条件的情况下，根据流量影响幅度和基础流量值，获取目标网元的基准预测流量值。

17、在其中一个实施例中，外部事件数据还包括外部事件实体对应的事件类型和事件规模；获取外部事件数据对应的流量影响幅度的步骤，包括：

18、根据事件类型、事件规模和第一区域，获取与外部事件实体相匹配的历史事件信息；

19、从预先构建的流量关联规则库查询得到历史事件信息相应的历史流量特征，并根据历史流量特征获取外部事件实体对应的流量影响幅度。

20、在其中一个实施例中，流量预测结果包括目标网元在目标时间段内各时间窗口对应的预测流量值；该方法还包括：

21、获取目标网元对应的带宽阈值；

22、在预测流量值超过带宽阈值的情况下，生成告警信息，并将告警信息推送至运维平台。

23、第二方面，本申请还提供了一种网络流量预测装置，包括：

24、数据获取模块，用于通过预设接口从目标平台获取外部事件数据，并基于外部事件数据构建多源知识数据集合；外部事件数据包括外部事件实体对应的第一时间段和第一区域；

25、流量聚合模块，用于获取预设时间段内多个网元对应的覆盖区域内的实时流量数据，并按照预设时间窗口对实时流量数据进行聚合处理，得到各网元对应的聚合流量值；预设时间段根据第一时间段确定；

26、基准计算模块，用于根据各网元对应的聚合流量值，获取多源知识数据集合所匹配的目标网元，并根据多源知识数据集合获取目标网元的基准预测流量值；

27、流量预测模块，用于通过预先训练的流量预测模型对基准预测流量值进行预测，得到目标网元对应的流量预测结果。

28、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面中任意一项的方法步骤。

29、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。

30、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。

31、上述网络流量预测方法、装置、计算机设备、介质和产品，通过预设接口从目标平台获取外部事件数据，并基于外部事件数据构建多源知识数据集合，获取预设时间段内多个网元对应的覆盖区域内的实时流量数据，并按照预设时间窗口对实时流量数据进行聚合处理，得到各网元对应的聚合流量值，根据各网元对应的聚合流量值，获取多源知识数据集合所匹配的目标网元，并根据多源知识数据集合获取目标网元的基准预测流量值，通过预先训练的流量预测模型对基准预测流量值进行预测，得到目标网元对应的流量预测结果，能够适用于多种复杂网络环境，提高流量预测实时性，降低突发场景流量预测误差，从而提升流量预测精度。

1.一种网络流量预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述外部事件数据构建多源知识数据集合，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据各所述网元对应的聚合流量值，获取所述多源知识数据集合所匹配的目标网元，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述多源知识数据集合获取所述目标网元的基准预测流量值，包括：

5.根据权利要求4所述的方法，其特征在于，所述外部事件数据还包括所述外部事件实体对应的事件类型和事件规模；所述获取所述外部事件数据对应的流量影响幅度，包括：

6.根据权利要求1所述的方法，其特征在于，所述流量预测结果包括所述目标网元在目标时间段内各时间窗口对应的预测流量值；所述方法还包括：

7.一种网络流量预测装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。