欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2021102792217
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.边缘网络中一种虚拟网络功能需求预测方法,其特征在于,包括以下步骤:S1、获取数据,并进行数据预处理,得到预处理后的数据;

获取的数据包括不同区域内的电信活动数据集,主要包含短信服务数据、通话数据以及互联网数据,具体是指短信服务数据、通话服务数据以及互联网服务数据;

S2、将预处理后的数据输入到训练好的组合预测模型中,得到预测结果,预测结果为预测的网络服务请求数量;

所述组合预测模型为SVR模型和GRU模型的组合模型,组合预测模型的表达式如下:FS‑G=αi*FS+αj*FG

其中,FS表示支持向量回归模型的预测结果,FG表示门控循环神经网络的预测结果,FS‑G表示SVR‑GRU模型预测结果,αi,αj分别为SVR模型和GRU模型的权重,且满足:S3、根据预测结果分析边缘节点资源足够和边缘资源不足时的VNF需求,确认VNF的数量。

2.根据权利要求1所述的边缘网络中一种虚拟网络功能需求预测方法,其特征在于,组合预测模型的训练过程包括:

S21、将预处理后的数据分为两部分,一部分作为支持向量回归SVR的训练和测试数据;

另一部分作为门控循环神经网络GRU的训练和测试数据,将两部分数据输入到组合预测模型;

S22、设置SVR的内核函数类型为rbf,迭代1000次,步长设置为6,即每次利用前6个数据进行下一个数据的预测,训练和测试的数据比例为3:1,训练完成之后,保存训练完成的SVR模型;

S23、设置GRU的网络为4层,步长为6,训练数据和测试数据比例也为3:1,迭代次数为

1000次,训练完成后,同样保存训练完成的GRU模型;

S24、从预处理后的数据中,随机选取12组数据,每组144个数据,作为SVR模型和GRU模型权重确定的数据,将每一组数据分别输入保存的训练完成的SVR模型和GRU模型中进行预测,得到预测结果,并计算每种模型预测的误差平方,再通过方差倒数法确定SVR模型和GRU模型的权重,最后取12组权重的均值作为组合预测模型的权重,从而得到训练好的组合预测模型。

3.根据权利要求2所述的边缘网络中一种虚拟网络功能需求预测方法,其特征在于,通过方差倒数法确定SVR模型和GRU模型的权重,确定方式如下:其中,αSVR表示SVR模型的权重,αGRU表示GRU模型的权重,N表示测试数据组的数量,αi表示由单组测试数据计算的SVR模型权重,αj表示由单组测试数据计算的GRU模型权重。

4.根据权利要求1所述的边缘网络中一种虚拟网络功能需求预测方法,其特征在于,步骤S3中,在边缘节点资源足够时确认VNF的数量,VNF的数量包括:其中,vi表示类型为i的VNF需求量,Ri表示类型为i的VNF在某段时间内要处理的请求数量,hi表示类型为i的VNF单位时间内处理请求的数量,m表示通过SVR‑GRU模型预测出的m种网络服务,sk表示通过SVR‑GRU模型预测出的第k种网络服务需要处理的请求量,Vi表示类型为i的VNF,n表示m种网络业务服务所包含的VNF类型集合的数量。

5.根据权利要求1所述的边缘网络中一种虚拟网络功能需求预测方法,其特征在于,步骤S3中,在边缘资源不足时确认VNF的数量,VNF的数量包括:其中, 表示当前边缘节点需要部署的不同VNF的数量, 表示类型为i的VNF在某段时间内要处理的请求数量, 表示类型为i的VNF单位时间内处理请求的数量, 表示通过SVR‑GRU模型预测出的第k种网络服务需要处理的请求量, 表示第k种网络服务的VNF类型集合,m表示通过SVR‑GRU模型预测出的m种网络服务,n表示m种网络业务服务所包含的VNF类型集合的数量。