本发明公开了一种基于事件关联的网络流量预测方法,步骤如下:步骤1、采集原始数据流或流采样数据;步骤2、分析事件信息和流量信息;步骤3、使用运行周期中的节点事件序列与流量特征序列建立训练集;步骤4、持续采集数据,根据协议分析,训练神经网络,预测单节点或全网流量。本发明还公开了基于事件关联的网络流量预测系统,包括:数据采集模块;数据建模模块:将数据建立以节点相关的特征;神经网络训练模块:神经网络训练,建立神经网络;预测模块:使用流量特征和节点状态,输入神经网络预测后续流量趋势。本发明实现了对事件相关型网络的流量预测,解决了传统时序预测方法在流量的时序和周期上存在的失效问题,可以广泛应用于网络领域。
声明:
“基于事件关联的网络流量预测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)