龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：湘江实验室
摘要：本发明实施例中提供了一种基于小波分解和改进型LSTM的算力网络流量预测方法，属于通信技术领域，具体包括：数据预处理；构建算力网络流量预测模型；将训练集输入算力网络流量预测模型中，进行迭代训练；将测试集输入训练好的算力网络流量预测模型，评价其精度是否符合要求；采集目标流量数据并将其输入训练好的算力网络流量预测模型中，得到多个分量并拼接为矩阵，卷积长短时记忆网络提取各分量之间的时间和空间特征，之后将特征矩阵转为一维特征向量，双向长短时记忆网络对一维特征向量采用顺序和逆序计算，通过向量拼接得到最终的隐藏表示，再通过全连接层输出实时预测结果。通过本发明的方案，提高了预测实时性、精准度和适应性。
主权项：1.一种基于小波分解和改进型LSTM的算力网络流量预测方法，其特征在于，包括：步骤1，数据预处理，将算力网络流量数据进行标准化处理，然后将算力网络流量数据划分为训练集和测试集；步骤2，构建改进型LSTM的算力网络流量预测模型，其中，所述算力网络流量预测模型包括小波分解算法、卷积长短时记忆网络和双向长短时记忆网络；步骤3，将训练集输入算力网络流量预测模型中，基于Adam优化算法进行迭代训练，得到训练好的算力网络流量预测模型；步骤4，将测试集输入训练好的算力网络流量预测模型，评价其精度是否符合要求，若是，则进入步骤5，若否，则返回步骤3；步骤5，采集目标流量数据并将其输入训练好的算力网络流量预测模型中，将流量序列经过小波分解后得到多个分量并拼接为矩阵，通过并行化的卷积长短时记忆网络提取各分量之间的时间和空间特征，之后将特征矩阵转为一维特征向量，通过带指数门控的双向长短时记忆网络对一维特征向量采用顺序和逆序计算得到两套不同的隐层表示，然后通过向量拼接得到最终的隐藏表示，再通过一个全连接层输出实时预测结果。
全文数据：
权利要求：
百度查询： 湘江实验室 基于小波分解和改进型LSTM的算力网络流量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号