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！

龙图腾网恭喜上海海事大学;中远海运科技股份有限公司申请的专利一种远洋船舶卫星网络流量预测方法、模型和网关获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116192667B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310141312.3，技术领域涉及：H04L41/147；该发明授权一种远洋船舶卫星网络流量预测方法、模型和网关是由刘晋;曹梦翔;吴中岱;王骏翔设计研发完成，并于2023-02-21向国家知识产权局提交的专利申请。

本一种远洋船舶卫星网络流量预测方法、模型和网关在说明书摘要公布了：本发明公开了一种远洋船舶卫星通信网络流量预测方法，包含步骤：获取远洋船舶基于卫星通信产生的网络流量数据样本，根据流量时序从所述网络流量数据样本，生成第一时序数据集；对所述第一时序数据集进行预处理，获得第二时序数据集；对所述第二时序数据集采用TCN提取其短期局部特征；采用LSTM建立预测模型：通过所述预测模型，获得对船舶网络流量的预测值。本发明通过TCN学习时间序列中的短期局部依赖提取高低频信息和LSTM有效捕捉时间序列中的长时间依赖，提供一种精确度高、鲁棒性好预测远洋船舶网络流量方法。

本发明授权一种远洋船舶卫星网络流量预测方法、模型和网关在权利要求书中公布了：1.一种远洋船舶卫星通信网络流量预测方法，其特征在于，包含以下步骤：步骤1，在远洋船舶通信设备上部署封包嗅探工具，定时抓取网络通信中路由节点上的网络流量数据，将单位时间内所有数据封包作为一个样本，并将所有样本集合起来，将数据样本制作成第一时序数据集；步骤2，将所述第一时序数据集变换为近似符合正态分布，并对变换后的数据集采用均值滤波器进行平滑处理，获得第二时序数据集；步骤3，将第二时序数据集转换为带标签的有监督数据集；步骤4，对第二时序数据集采用TCN提取其短期局部特征；步骤5，使用长短时记忆模型LSTM建立网络流量预测模型；步骤6，通过所述预测模型，获得对船舶网络流量的预测值；其中，所述步骤2，进一步包括：采用最小最大归一化处理第一时序数据x，获得， 指定一个长度为m＝5的窗口，将中间的值替换为窗口中所有数据的平均值，然后以1的步长移动窗口，直到时间序列数据结束，获得： 其中，m表示窗口大小，xi表示窗口中的第i个数据，表示窗口中所有数据的均值；步骤4中，应用时间卷积网络TCN提取短期局部特征，定义：对XT+1＝x0，x1，...，xT，YT+1＝y0，y1，...，yT，存在函数f：XT+1→YT+1，使得fx0，x1，...，xT＝y0，y1，...，yT，这里，任意yt只与x0，x1，...，xT有关，而与xt+1，xt+2，...，xT无关，使用TCN对经过均值平滑滤波之后的序列进行特征提取，TCN包含一个残差模块，TCN层的输出可由下式计算得到： 其中，k表示卷积核大小，d表示膨胀卷积系数，ResidualBlock*表示TCN的残差模块，L1表示序列经过残差模块的输出；步骤5中所述的使用长短时记忆模型LSTM对数据进行建模，LSTM单元单元从输入到输出的计算公式为： it＝σWi[ht-1，xt]+bi ht＝ot⊙tanhct其中，f，i，o，分别表示遗忘门、输入门、输出门和候选向量，Wc表示权重矩阵，σ*表示sigmoid函数，bc表示偏差向量，tanh*表示双曲正切函数，⊙表示点积，将步骤4中的L1作为LSTM层的输入，利用LSTM提取该序列中的长期依赖，从而得到最后一个时间步的输出hT，然后，将该输出hT作为全连接层的输入，得到该层的输出zT，zT＝reluvhT+bias其中，v是权重矩阵，bias是偏置向量，relu*表示relu激活函数，最后，将zT作为输出层的输入，从而得到下一时刻的流量预测值 其中，u表示全连接层的权重参数，q表示偏置参数，linear*表示线性函数，步骤6中所述的使用网络流量预测模型预测新的数据，得到船舶网络流量的预测值，具体包括：将步骤3得到的有监督数据集，处理为TCN模型适配的格式，然后使用训练所得到的SLTM的参数，将测试集和参数代入步骤5的循环层的正向传播中，即可得到网络流量的预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海海事大学;中远海运科技股份有限公司，其通讯地址为：201306 上海市浦东新区临港新城海港大道1550号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。