基于领域知识内嵌的深度学习网络流量预测研究 |
| |
引用本文: | 张必浪,张倩,杨予光,耿书鹏.基于领域知识内嵌的深度学习网络流量预测研究[J].邮电设计技术,2023(7):54-58. |
| |
作者姓名: | 张必浪 张倩 杨予光 耿书鹏 |
| |
作者单位: | 1. 北京航空航天大学;2. 中讯邮电咨询设计院有限公司 |
| |
摘 要: | 首先针对流量数据可能存在的时域分布突变问题设计了一种基于JS散度的异常检测算法,以获得能够反映流量变化规律的数据。而考虑到网络流量的自相似性、长时相关性和周期性特点,提出一种基于卷积生成网络和自适应注意力元网络组成的动态时域生成流量预测模型(GDTN),能够有效地降噪、生成和预测流量数据,并根据不同输入条件动态分配不同多时域流量特征的重要性。最后在智能城域网端口数据集上进行实验,验证了该算法相比于多种经典时序预测算法在预测准确度、存储资源占用和时间效用等方面具备明显优势。
|
关 键 词: | 深度学习 流量预测 领域知识 异常检测 |
|
|