[发明专利]基于小波神经网络的网络流量预测方法及装置

摘要

本发明实施例公开基于小波神经网络的网络流量预测方法，确定进行网络流量预测的空间区域、采集时间段和采集间隔，通过网络流量监测软件在采集时间段对空间区域的实时网络流量按照采集间隔进行采集，获得每个采集时间点的网络流量数据；将网络流量数据拆分为训练数据组和测试数据组，对训练数据组的网络流量数据进行编组，构建小波神经网络模型，对编组后的训练数据组A进行训练，采用训练完毕的小波神经网络模型对空间区域中测试数据组的采集时间段的网络流量进行预测，将预测结果与测试数据组实际值比较；采用指标进行预测评价，满足预设的误差精度后，将训练完毕的小波神经网络模型用于空间区域的网络流量预测。精度高，方法简单，泛化性强。

主权项

1.基于小波神经网络的网络流量预测方法，其特征在于，包括：确定进行网络流量预测的空间区域，确定网络流量采集时间段和采集间隔，通过网络流量监测软件在所述采集时间段对所述空间区域的实时网络流量按照所述采集间隔进行采集，获得每个采集时间点的网络流量数据；将所述网络流量数据拆分为训练数据组A和测试数据组B，对所述训练数据组的网络流量数据进行编组，编组形式为(a₁，a₂，a₃……a_n‑1，a_n)；构建小波神经网络模型，通过Mexican Hat小波基函数对编组后的训练数据组A进行训练，将编组中的网络流量数据(a₁，a₂，a₃……a_n‑1)作为训练输入数据，将编组中的网络流量数据a_n作为预测输出数据；采用训练完毕的小波神经网络模型对所述空间区域中测试数据组B的采集时间段的网络流量进行预测，将预测结果与所述测试数据组B实际值比较；采用绝对值误差均值(MAE)和绝对百分比误差均值(MAPE)两个指标进行预测评价，满足预设的误差精度后，将训练完毕的小波神经网络模型用于所述空间区域的网络流量预测。