一种基于神经网络的城域网流量预测应用方法

本发明涉及一种基于神经网络的城域网流量预测应用方法，属于网络流量技术领域，包括：数据采集及预处理；划分训练集、验证集和测试集；采用70％、20％和10％的数据进行模型训练、调优和评估；将流量数据输入双层堆叠LSTM网络，获取隐状态信息并提取网络流量的时序特征和依赖性；利用编码器捕捉流量中的长短期依赖关系；通过自注意力机制提取全局依赖特征；采用解码器逐步预测未来多个时间点的流量数据；模型训练中采用早停策略防止过拟合；对模型预测结果进行反标准化处理，恢复原始尺度；对模型预测结果进行评估。本发明通过对城域网的历史数据和特征数据进行深度学习模型的训练和优化，显著提升IP化网络流量预测的精准度。