一种基于多域特征融合深度学习的无线Mesh网络流量预测方法

本发明公开了一种基于多域特征融合深度学习的无线Mesh网络流量预测方法，属于通信网络技术领域；方法为：根据采集的数据，对数据进行预处理；构建分成多域图卷积模型，预测网络流量；分成多域图卷积模型包括TimesNet时频域多周期性特征模型、时空图卷积网络拓扑特征模型以及Transformer多域特征自适应模型；对构建的分成多域图卷积模型进行训练，输出网络流量识别结果。本发明通过TE‑GRU和CCW‑GCN实现拓扑域内复杂时空相关性和非平稳性的精确建模；将三域特征进行自适应对齐，提升对复杂动态Mesh网络场景的适应性；提升跨域特征融合的深度和准确性，在复杂的非平稳Mesh网络流量建模中展现出更高的灵活性和鲁棒性，实现了时频域与拓扑域的高效统一表达。