一种带宽数据预测结果生成方法和装置制造方法及图纸

本发明专利技术实施例提供了一种带宽数据预测结果生成方法和装置，通过获取历史使用带宽数据，并生成与所述历史使用带宽数据对应的时间戳；基于所述时间戳生成多个针对所述历史使用带宽数据的历史数据时间序列；通过多个所述历史数据时间序列将所述历史使用带宽数据划分为多个带宽模糊聚类；根据多个所述带宽模糊聚类建立预测数据聚类归属模型；确定神经网络初始化参数，并通过所述预测数据聚类归属模型和所述神经网络初始化参数生成带宽预测模型；基于所述带宽预测模型生成带宽预测结果，从而实现了提高了针对带宽数据预测的效率和准确性，降低了底层设备维护成本，进一步提高了通行码的正常亮码率。的正常亮码率。的正常亮码率。

【技术实现步骤摘要】
一种带宽数据预测结果生成方法和装置


[0001]本专利技术涉及带宽数据预测结果生成
，特别是涉及一种带宽数据预测结果生成方法、一种带宽数据预测结果生成装置、一种电子设备以及一种计算机可读存储介质。

技术介绍

[0002]通行码是日常生活中的重要工具，巨量的访问人次无疑给系统稳定运行造成了巨大的压力，为了保证通行码的可持续正常运作，则需投入大量的人力物力对通行码业务进行设备监控维护，但由于通行码的使用变化受诸多因素影响，如不能精准预测通行码的使用情况，则依旧无法根据使用情况及时调整底层设备以保证通行码正常使用，一旦通行码系统异常，则极易造成人员流动量大的区域如地铁站和医院，出现排队拥堵现象，造成不便甚至混乱。
[0003]因此，如何预测通行码使用情况成为了本领域技术人员需要克服的问题。

技术实现思路

[0004]本专利技术实施例是提供一种带宽数据预测结果生成方法、装置、电子设备以及计算机可读存储介质，以解决如何预测通行码使用情况的问题。
[0005]本专利技术实施例公开了一种带宽数据预测结果生成方法，可以包括：
[0006]获取历史使用带宽数据，并生成与所述历史使用带宽数据对应的时间戳；
[0007]基于所述时间戳生成多个针对所述历史使用带宽数据的历史数据时间序列；
[0008]通过多个所述历史数据时间序列将所述历史使用带宽数据划分为多个带宽模糊聚类；
[0009]根据多个所述带宽模糊聚类建立预测数据聚类归属模型；
[0010]确定神经网络初始化参数，并通过所述预测数据聚类归属模型和所述神经网络初始化参数生成带宽预测模型；
[0011]基于所述带宽预测模型生成带宽预测结果。
[0012]可选地，所述通过多个所述历史数据时间序列将所述历史使用带宽数据划分为多个带宽模糊聚类的步骤可以包括：
[0013]确定类别数目参数、第一模糊隶属度参数和第一模糊权重指数参数；
[0014]按照第一预设算法基于所述第一模糊隶属度参数和所述第一模糊权重指数参数从多个所述历史数据时间序列中确定出对应的初始聚类中心；
[0015]按照第二预设算法基于所述类别数目参数、所述初始聚类中心和所述第一模糊权重指数确定第二模糊权重指数；
[0016]按照第三预设算法基于所述第二模糊权重指数、所述初始聚类中心和所述类别数目参数确定第二模糊隶属度参数；
[0017]基于所述初始聚类中心、所述第二模糊权重指数、所述第二模糊隶属度参数和所述类别数目参数确定目标聚类中心；所述目标聚类中心具有对应的历史数据时间序列；
[0018]根据所述目标聚类中心和所述类别数目参数将所述历史数据时间序列划分为多个带宽模糊聚类。
[0019]可选地，所述根据多个所述带宽模糊聚类建立预测数据聚类归属模型的步骤可以包括：
[0020]从所述带宽模糊聚类中确定预测带宽聚类中心序列和与所述预测带宽聚类中心序列具有关联关系的多个其他带宽聚类中心序列；
[0021]计算所述预测带宽聚类中心序列和多个所述其他带宽聚类中心序列的欧氏距离；所述欧氏距离具有对应的欧氏距离参数；所述欧氏距离参数与所述其他带宽聚类中心序列一一对应；
[0022]从所述欧氏距离参数中选取最小欧氏距离参数，确定与所述最小欧氏距离参数对应的所述其他带宽聚类中心序列作为目标带宽聚类中心序列；
[0023]基于所述目标带宽聚类中心序列确定目标带宽模糊聚类；
[0024]基于所述目标带宽模糊聚类建立所述预测数据聚类归属模型。
[0025]可选地，所述预测数据聚类归属模型具有对应的预测数据聚类归属数据，所述通过所述预测数据聚类归属模型和所述神经网络初始化参数生成带宽预测模型的步骤可以包括：
[0026]通过映射公式生成针对所述预测数据聚类归属数据的初始化矩阵；所述初始化矩阵包含多个用于表达所述带宽模糊聚类的基因；
[0027]通过所述初始化矩阵确定群适应度值，并从所述基因中确定初始最优基因；
[0028]基于所述初始化矩阵确定最大偏差距离参数，并按照预设标准根据所述最大偏差距离参数生成相似时点数参数和最大偏离点时点数参数；
[0029]基于所述初始最优基因、所述神经网络初始化参数、所述相似时点数参数、所述最大偏离点时点数参数和所述预测数据聚类归属数据确定目标最优基因；
[0030]基于所述目标最优基因确定针对神经网络的初始权重参数和阈值位置参数；
[0031]根据所述初始权重参数、所述阈值位置参数和所述预测数据聚类归属数据训练神经网络，生成带宽预测模型。
[0032]可选地，所述神经网络初始化参数可以包括输入层数目参数，所述输入层数目参数根据所述时间戳的个数确定。
[0033]可选地，所述基于所述带宽预测模型生成带宽预测结果的步骤可以包括：
[0034]将待预测源数据进行归一化处理，生成待预测数据；
[0035]将所述待预测数据基于所述带宽预测模型进行训练，得到预测值数据；
[0036]根据所述预测值数据进行反归一化处理，生成带宽预测结果。
[0037]本专利技术实施例还公开了一种带宽数据预测结果生成装置，可以包括：
[0038]历史使用带宽数据获取模块，用于获取历史使用带宽数据，并生成与所述历史使用带宽数据对应的时间戳；
[0039]历史数据时间序列生成模块，用于基于所述时间戳生成多个针对所述历史使用带宽数据的历史数据时间序列；
[0040]带宽模糊聚类划分模块，用于通过多个所述历史数据时间序列将所述历史使用带宽数据划分为多个带宽模糊聚类；
[0041]聚类归属模型建立模块，用于根据多个所述带宽模糊聚类建立预测数据聚类归属模型；
[0042]带宽预测模型生成模块，用于确定神经网络初始化参数，并通过所述预测数据聚类归属模型和所述神经网络初始化参数生成带宽预测模型；
[0043]带宽预测结果生成模块，用于基于所述带宽预测模型生成带宽预测结果。
[0044]可选地，所述带宽模糊聚类划分模块可以包括：
[0045]第一参数确定子模块，用于确定类别数目参数、第一模糊隶属度参数和第一模糊权重指数参数；
[0046]初始聚类中心确定子模块，用于按照第一预设算法基于所述第一模糊隶属度参数和所述第一模糊权重指数参数从多个所述历史数据时间序列中确定出对应的初始聚类中心；
[0047]第二模糊权重指数确定子模块，用于按照第二预设算法基于所述类别数目参数、所述初始聚类中心和所述第一模糊权重指数确定第二模糊权重指数；
[0048]第二模糊隶属度参数确定子模块，用于按照第三预设算法基于所述第二模糊权重指数、所述初始聚类中心和所述类别数目参数确定第二模糊隶属度参数；
[0049]目标聚类中心确定子模块，用于基于所述初始聚类中心、所述第二模糊权重指数、所述第二模糊隶属度参数和所述类别数目参数确定目标聚类中心；所述目标聚类中心具有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带宽数据预测结果生成方法，其特征在于，包括：获取历史使用带宽数据，并生成与所述历史使用带宽数据对应的时间戳；基于所述时间戳生成多个针对所述历史使用带宽数据的历史数据时间序列；通过多个所述历史数据时间序列将所述历史使用带宽数据划分为多个带宽模糊聚类；根据多个所述带宽模糊聚类建立预测数据聚类归属模型；确定神经网络初始化参数，并通过所述预测数据聚类归属模型和所述神经网络初始化参数生成带宽预测模型；基于所述带宽预测模型生成带宽预测结果。2.根据权利要求1所述的方法，其特征在于，所述通过多个所述历史数据时间序列将所述历史使用带宽数据划分为多个带宽模糊聚类的步骤包括：确定类别数目参数、第一模糊隶属度参数和第一模糊权重指数参数；按照第一预设算法基于所述第一模糊隶属度参数和所述第一模糊权重指数参数从多个所述历史数据时间序列中确定出对应的初始聚类中心；按照第二预设算法基于所述类别数目参数、所述初始聚类中心和所述第一模糊权重指数确定第二模糊权重指数；按照第三预设算法基于所述第二模糊权重指数、所述初始聚类中心和所述类别数目参数确定第二模糊隶属度参数；基于所述初始聚类中心、所述第二模糊权重指数、所述第二模糊隶属度参数和所述类别数目参数确定目标聚类中心；所述目标聚类中心具有对应的历史数据时间序列；根据所述目标聚类中心和所述类别数目参数将所述历史数据时间序列划分为多个带宽模糊聚类。3.根据权利要求1所述的方法，其特征在于，所述根据多个所述带宽模糊聚类建立预测数据聚类归属模型的步骤包括：从所述带宽模糊聚类中确定预测带宽聚类中心序列和与所述预测带宽聚类中心序列具有关联关系的多个其他带宽聚类中心序列；计算所述预测带宽聚类中心序列和多个所述其他带宽聚类中心序列的欧氏距离；所述欧氏距离具有对应的欧氏距离参数；所述欧氏距离参数与所述其他带宽聚类中心序列一一对应；从所述欧氏距离参数中选取最小欧氏距离参数，确定与所述最小欧氏距离参数对应的所述其他带宽聚类中心序列作为目标带宽聚类中心序列；基于所述目标带宽聚类中心序列确定目标带宽模糊聚类；基于所述目标带宽模糊聚类建立所述预测数据聚类归属模型。4.根据权利要求1所述的方法，其特征在于，所述预测数据聚类归属模型具有对应的预测数据聚类归属数据，所述通过所述预测数据聚类归属模型和所述神经网络初始化参数生成带宽预测模型的步骤包括：通过映射公式生成针对所述预测数据聚类归属数据的初始化矩阵；所述初始化矩阵包含多个用于表达所述带宽模糊聚类的基因；通过所述初始化矩阵确定群适应度值，并从所述基因中确定初始最优基因；基于所述初始化矩阵确定最大偏差距离参数，并按照预设标准根据所述最大偏差距离
参数生成相似时点数参数和最大偏离点时点数参数；基于所述初始最优基因、所述神经网络初始化参数、所述相似时点数参数、所述最大偏离点时点数参数和所述预测数据聚类归属数据确定目标最优基因；基于所述目标最优基因确定针对神经网络的初始权重参数和阈值位置参数；根据所述初始权重参数、所述阈值位置参数和所述预测数据聚类归属数据训练神经网络，生成带宽预测模型。5.根据权利要求1或4所述的方法，其特征在于，所述神经网络初始化参数包括输入层数目参数，所述输入层数目参数根据所述时间戳的个数确定。6.根据权利要求1所述的方法，其特征在于，所述基于所述带宽预测模型生成带宽预测结果的步骤包括：将待预测源数据进行归一化处理，生成待预测数据；将所述待预测数据基于所述带宽预测模型进行训练，得到预测值数据；根据所述预测值数据进行反归一化处理，生成带宽预测结果。7.一种带宽数据预测结果生成装置，其特征在于，包括：历史使用带宽数据获取模块，用于获取历史使用带宽数据，并生成与所述历史使用带宽数据对应的时间戳；历史数据时间序列生成模块，用于基于所述时间戳生成多个针对所述历史使用带宽数据的历史数据时间序列；带宽模糊聚类划分模块，用于通过多个所述历史数据时间序列将所述历史使用带宽数据划分为多个带宽模糊聚类；聚类归属模型建立模块，用于根据多个所述带宽模糊聚类建立预测数据聚类归属模型；带宽预测模型生成模块，用于确定神经网络初始化参数，并通过所述预测数据聚类归属模型和所述神经网络初始化参数生成带...

【专利技术属性】
技术研发人员：何家裕，邬剑平，郑素青，齐琛，陈祝青，蔡志鹏，刘杰，于乾坤，李欢欢，黄楠，王丽苗，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：