一种基于解耦动态时空图神经网络D2STGNN的网络流量预测方法

一种基于解耦动态时空图神经网络D2STGNN的网络流量预测方法：构建网络流量数据处理与表示模块，收集流量数据，并预处理。随后，基于D2STGNN构建预测模型，解耦时空框架将网络流量时空信号分解为节点‑流量关联信号与网络‑流量时间趋势信号，借助时空局部卷积层、门控循环单元和多头自注意力层，分别建模节点间关联过程及捕捉时间序列依赖关系；同时引入时间衰减机制，结合自适应衰减参数调整和分层衰减机制，增强模型对网络流量实时动态的捕捉能力。最后，利用训练好的模型对实时网络流量数据进行预测，通过相关评估指标评估预测效果。本发明能高效、精准预测网络流量变化趋势，为网络资源合理分配、网络性能优化等提供有力支持。