摘要
本发明公开了一种网络带宽预测方法及系统,所述方法包括:采集目标网络的历史带宽数据,采用深度强化学习算法进行预测,得到每个时刻的强化学习带宽预测值;采用启发式算法进行预测,得到每个时刻的启发式带宽预测值;对强化学习带宽预测值和启发式带宽预测值进行加权融合,得到每个时刻的融合预测带宽;对所有时刻的融合预测带宽进行序列化处理,得到融合预测带宽序列,采用自回归移动平均模型对融合预测带宽序列进行一级移动平滑处理,得到预测带宽一级平滑序列;采用卡尔曼滤波算法对融合预测带宽序列进行二级动态平滑处理,得到预测带宽二级平滑序列。本发明实施例提供的一种网络带宽预测方法及系统,提高了网络带宽的预测准确性。
技术关键词
网络带宽预测方法
卡尔曼滤波算法
预测误差
序列
深度强化学习算法
模式
协方差矩阵
启发式算法
预测残差
表达式
预测系统
处理器
动态
存储器
数据
数值
系统为您推荐了相关专利信息
PID控制方法
机器学习模型
智慧楼宇
时间段
数据
样本
时序
文本编码器
计算机执行指令
模型训练方法
多层特征融合
智能巡检机器人
巡检路径
节点
多模态环境
指标评估方法
混合效应模型
静息态
指数衰减曲线
健康评估技术
语言翻译方法
视频
音频
语言翻译系统
语言翻译技术