摘要
本发明提供一种基于人工智能的通信网络资源优化方法及系统,涉及通信优化技术领域,通过采集历史网络数据,利用时间序列分解和LSTM算法进行特征提取,结合注意力机制对性能指标进行权重计算,采用多尺度预测机制预测网络流量,并基于历史误差进行动态校准,能够准确预测网络流量变化趋势,提高预测精度,实现网络资源的合理分配和优化配置,有效提升网络运行效率。
技术关键词
网络设备性能数据
网络流量数据
预测误差
网络流量预测
时序
通信网络资源
预测网络流量
融合特征
平滑方法
引入注意力机制
分解算法
指数
统计特征
序列
动态
时延
内存
系统为您推荐了相关专利信息
门电路芯片
光耦隔离电路
数据输入电路
光耦隔离器
电容
时间序列预测模型
检测主机
识别方法
LSTM模型
网络流量数据
惯容器
激光位移传感器
阻尼
线性弹簧
参数识别方法
全局运动矢量
时序同步控制方法
同步控制系统
卡尔曼滤波算法
梯度下降算法
特征选择技术
关键词
决策方法
斯皮尔曼等级相关系数
逻辑回归模型