基于跨域多尺度自注意力的长期网络流量预测方法

本发明公开了一种基于跨域多尺度自注意力的长期网络流量预测方法，包括：1、采集网络流量序列数据并进行预处理；2、建立网络流量预测网络，采用双通道特征提取方式，使用时域和频域注意力机制分别提取时域和频域下的局部细节特征分支，并使用线性层提取网络流量序列数据的长期趋势特征分支，并融合局部细节特征输出预测结果；3、构建损失函数，训练迭代后直到网络的参数收敛，得到最优参数对应的网络流量预测模型。本发明能解决在复杂环境下预测未来网络流量序列数据时长短，预测精度低的问题，降低网络流量预测方法的参数量，提高预测实时性，并完成复杂背景下部分流量数据缺失状态的精确预测，从而满足准确化快速化的实际需求。