一种网络流量预测方法、装置、电子设备及存储介质与流程
本申请属于流量预测,具体涉及一种网络流量预测方法、装置、电子设备及存储介质。
背景技术:
1、随着5g、云计算等技术及相关业务的快速发展,光网络承载的流量规模呈指数级增长,且动态性显著增强,对流量预测的准确性与前瞻性提出更高要求。
2、现有技术虽通过大模型与多源知识库实现了逻辑层流量预测,并定义了网管系统对接流程,但存在核心技术局限:仅聚焦拓扑、网元、业务带宽、流量时序等逻辑层数据采集,未覆盖光网络物理层性能指标;关联分析仅基于逻辑层数据与预置知识进行时序关联,未考虑物理层异常对流量统计的干扰。在物理层异常场景下,流量预测精度、资源利用率均会受到影响,无法满足光网络“高精度预测、精细化运维”的需求。
技术实现思路
1、本申请实施例的目的是提供一种网络流量预测方法、装置、电子设备及存储介质,能够解决流量预测准确性低的问题。
2、为了解决上述技术问题,本申请是这样实现的:
3、第一方面,本申请实施例提供了一种网络流量预测方法,该方法包括:
4、获取光网络的物理层原始数据集和逻辑层原始数据集;
5、根据所述物理层原始数据集和所述逻辑层原始数据集生成双层数据关联表;
6、基于所述双层数据关联表和预设的知识库生成所述光网络的预测输入数据集;所述知识库包括静态知识子库中的规则和动态知识子库的设备知识;
7、将所述预测输入数据输入至预训练预测模型,输出所述光网络的流量预测结果。
8、可选地,所述基于所述双层数据关联表和预设的知识库生成所述光网络的预测输入数据集,包括:
9、调用预设的知识库中的静态知识子库和动态知识子库,生成所述双层数据关联表对应的预置知识清单;
10、根据所述双层数据关联表和所述预置知识清单确定所述光网络的有效流量数据表与预警信号表;
11、基于所述有效流量数据表与所述预警信号表确定所述光设备的预测输入数据集。
12、可选地,所述调用预设的知识库中的静态知识子库和动态知识子库,生成所述双层数据关联表对应的预置知识清单,包括:
13、调用预设的知识库中的静态知识子库确定所述双层数据关联表对应的目标规则;
14、调用预设的知识库中的动态知识子库确定所述双层数据关联表对应的目标设备知识;
15、将所述目标规则和所述目标设备知识组合生成所述双层数据关联表对应的预置知识清单。
16、可选地,所述根据所述双层数据关联表和所述预置知识清单确定所述光网络的有效流量数据表与预警信号表,包括:
17、依照所述预置知识清单识别所述双层数据关联表中的异常项;
18、对所述异常项进行修正,得到有效流量数据表;
19、确定所述异常项的数据变化,并根据所述数据变化得到预警信号表。
20、可选地,所述基于所述有效流量数据表与所述预警信号表确定所述光设备的预测输入数据集,包括:
21、获取预设的配置参数;
22、将所述预设参数、所述有效流量数据表以及所述预警信号表按照预设格式组合,得到预测输入数据集。
23、可选地,还包括:
24、调用所述光网络的资源管理系统接口获取与所述流量预测结果对应的资源数据;
25、根据所述流量预测结果和所述资源数据确定所述预测结果与资源关联表;
26、基于所述流量预测结果和所述预测结果与资源关联表生成资源优化方案。
27、可选地,还包括:
28、获取所述光网络在流量预测过程和优化过程中生成的历史数据;
29、基于所述历史数据对所述预测模型进行优化。
30、第二方面,本申请实施例提供了一种网络流量预测装置,所述装置包括:
31、数据获取模块,用于获取光网络的物理层原始数据集和逻辑层原始数据集;
32、双层数据关联模块,用于根据所述物理层原始数据集和所述逻辑层原始数据集生成双层数据关联表;
33、预测输入数据集确定模块,用于基于所述双层数据关联表和预设的知识库生成所述光网络的预测输入数据集;所述知识库包括静态知识子库中的规则和动态知识子库的设备知识;
34、流量预测模块,用于将所述预测输入数据输入至预训练预测模型,输出所述光网络的流量预测结果。
35、第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
36、第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
37、第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
38、在本申请实施例中,可以获取光网络的物理层原始数据集和逻辑层原始数据集;进而将根据所述物理层原始数据集和所述逻辑层原始数据集生成双层数据关联表;并基于所述双层数据关联表和预设的知识库生成所述光网络的预测输入数据集;所述知识库包括静态知识子库中的规则和动态知识子库的设备知识;将所述预测输入数据输入至预训练预测模型,输出所述光网络的流量预测结果。从而可以联合物理层与逻辑层的数据共同实现流量预测,提高流量预测的准确性。
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,所述基于所述双层数据关联表和预设的知识库生成所述光网络的预测输入数据集,包括:
3.根据权利要求2所述的方法,其特征在于,所述调用预设的知识库中的静态知识子库和动态知识子库,生成所述双层数据关联表对应的预置知识清单,包括:
4.根据权利要求2所述的方法,其特征在于,所述根据所述双层数据关联表和所述预置知识清单确定所述光网络的有效流量数据表与预警信号表,包括:
5.根据权利要求2所述的方法,其特征在于,所述基于所述有效流量数据表与所述预警信号表确定所述光设备的预测输入数据集,包括:
6.根据权利要求1至5中任一项所述的方法,其特征在于,还包括:
7.根据权利要求1至5中任一项所述的方法,其特征在于,还包括:
8.一种网络流量预测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至7中任一项所述的网络流量预测方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述网络流量预测方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com