CN111130932B - 一种基于历史流量预测流量趋势的方法、装置及存储介质 - Google Patents
一种基于历史流量预测流量趋势的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111130932B CN111130932B CN201911312472.XA CN201911312472A CN111130932B CN 111130932 B CN111130932 B CN 111130932B CN 201911312472 A CN201911312472 A CN 201911312472A CN 111130932 B CN111130932 B CN 111130932B
- Authority
- CN
- China
- Prior art keywords
- historical
- flow
- unit time
- predicted
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于历史流量预测流量趋势的方法、装置及存储介质,包括步骤:读取历史流量数据信息,所述历史流量数据包括多个历史单位时间段的实际流量数据,所述多个历史单位时间段的实际流量数据相关联;确定有效历史流量数据信息;确定预测单位时间段的预测流量数据,所述预测单位时间段的预测流量数据与所述多个历史单位时间段的实际流量数据相关联。将无效历史流量数据剔除,消除所述无效历史异常流量数据对计算结果的影响,再确定预测时间点并预测流量数据,提高流量预测的准确度。
Description
技术领域:
本发明涉及通信领域,尤其涉及一种基于历史流量预测流量趋势的方法、装置及存储介质。
背景技术:
随着网络通信技术的发展,网络流量数据与业务种类越来越多,人们对于网络流量的需求日益增大。网络流量预测有助于分析网络安全状况,科学管理网络及防范不当网络行为,现有技术一般用以下两种方式进行预测:
一、读取前n天同一分钟点t的历史流量数据,然后计算出前n天t分钟点流量的算术平均值,以该值作为第n+1天的t分钟点流量的简单预测值;
二、读取前n天同一分钟点t的历史流量数据,将前一天的t分钟点流量权重赋值为n,前二天的t分钟点流量权重赋值为n-1,以此类推,计算出前N天t分钟点流量的加权平均值,以该值作为第n+1天的t分钟点流量的简单预测值。
上面提到的两种技术方案在进行流量预测计算时,都没有考虑对历史异常流量数据做处理,这些异常流量数据参与流量预测计算会导致计算结果跟正常流量出现很大偏差,最终导致流量预测不准确;
因此,本领域亟需一种基于历史流量预测流量趋势的方法,在进行流量预测计算时,将异常流量数据剔除,不参与流量预测计算,提高流量预测的准确度。
发明内容:
为解决背景技术中的至少一个技术问题,提出本发明。
具体的,本发明一方面提供了一种基于历史流量预测流量趋势的方法,包括:
读取历史流量数据信息,所述历史流量数据包括多个历史单位时间段的实际流量数据,所述多个历史单位时间段的实际流量数据相关联;
确定有效历史流量数据信息;
确定预测单位时间段的预测流量数据,所述预测单位时间段的预测流量数据与所述多个历史单位时间段的实际流量数据相关联。
采用上述方案,所述一种基于历史流量预测流量趋势的方法,基于一定范围内的历史流量数据,并将部分无效历史流量数据剔除,从而消除无效历史流量数据对计算结果的影响,再进行流量数据预测,提高流量预测的准确度,提高预测流量趋势准确性。
进一步地,所述读取历史流量数据包括,读取预置时间范围的多个历史单位时间段的实际流量数据,所述多个历史单位时间段的实际流量数据是连续或不连续的时间段。
采用上述方案,灵活的读取历史流量数据,根据需求读取历史流量数据,不但减少了多读历史流量数据浪费的时间,而且避免由于部分历史流量数据缺失导致最后预测结果的不准确。
进一步地,所述确定有效历史流量数据信息包括:
确定无效历史流量数据信息;
从历史流量数据信息中删除无效历史流量数据信息;
得出有效历史流量数据信息。
优选地,所述确定无效历史流量数据信息包括:
第一筛选:将所述多个历史单位时间段中,历史单位时间段的实际流量数据为0的数据判定为无效历史流量数据信息;
第二筛选:将阈值参数作为判定条件,再次判定所述历史单位时间段的实际流量数据是否为无效历史流量数据信息。
进一步地,所述第一筛选包括:
判断所述历史单位时间段的实际流量数据是否为0;
若是,则所述历史单位时间段的实际流量数据属于无效历史流量数据信息;
若否,则根据所述第二筛选的方法再次进行判断是否属于无效历史流量数据信息。
进一步地,所述第二筛选包括:
确定所述多个历史单位时间段的实际流量数据的算数平均值;
接收流量阈值参数值;
判断是否历史单位时间段的实际流量数据/平均值≥阈值参数值;
若是,则所述历史单位时间段的实际流量数据属于无效历史流量数据信息;
若否,则所述历史单位时间段的实际流量数据不属于无效历史流量数据信息。
采用上述方案,精确剔除不符合条件的流量值,使其不参与流量预测计算,进而消除历史异常流量数据对最终计算结果的影响,避免由于异常流量值导致对最终计算结果的影响,导致结果误差变大。
进一步地,所述确定预测单位时间段的预测流量数据,包括:
根据所述有效历史流量数据信息,确定所述预测单位时间段的预测流量数据
进一步地,所述确定所述预测单位时间段的预测流量数据,根据公式:
vn=β*vn-1+(1-β)*fn;
设v0=0,可得:vn=(1-β)(fn+βfn-1+β2fn-2+…+βn-1f1)。
所述fn表示第n单位时间段的实际流量值,vn、vn-1分别表示第n单位时间段和第n-1单位时间段的预测流量数据,β表示权重系数。
采用上述方案,从公式vn=(1-β)(fn+βfn-1+β2fn-2+…+βn-1f1)可以看出权重系数以指数等比形式缩小,时间越靠近所述预测单位时间段的流量数据加权影响力越大,使时间远离所述预测单位时间段的流量数据对流量数据加权影响力变小,可以抚平短期流量波动,起到了一定的平滑作用,更加精确的处理数据。
优选地,所述基于历史流量预测流量趋势的方法,还包括:根据所述预测流量数据确定预测流量趋势:
根据所述确定所述预测单位时间段的预测流量数据的方法,确定多个预测单位时间段的预测流量数据;
根据所述多个预测单位时间段的预测流量数据,确定所述预测流量趋势。
采用上述方案,通过确定多个时间点的最终流量预测值,完成对流量趋势的预测,提高流量趋势预测的准确度。
本发明的第二方面,本发明还提供一种基于历史流量预测流量趋势的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法。
本发明的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法。
综上所述,本发明具有以下有益效果:
1.所述一种基于历史流量预测流量趋势的方法,通过设置所述阈值参数,可将所述无效历史流量数据剔除,从而避免无效历史流量数据对预测结果的影响。
2.由公式vn=(1-β)(fn+βfn-1+β2fn-2+…+βn-1f1)可知,通过设置权重系数,随着数据时间点的推移,权重值呈指数趋势递减,保证了距离当前时间点越远的时间点的数据对当前时间点的流量预测影响越小,可以抚平短期流量波动,起到了一定的平滑作用。
3.所述根据多个时间点的最终流量预测值,完成对流量趋势的预测,提高流量趋势预测的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于历史流量预测流量趋势的方法一种优选实施方式的流程图;
图2为确定有效历史流量数据信息法一种优选实施方式的流程图;
图3为第二筛选一种优选实施方式的流程图。
具体实施方式:
这里将详细地对示例性实施例进行说明,以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
以下将通过实施例对本发明进行详细描述。
在本发明的一个优选实施方式中,
如图1所示,本发明提供了一种基于历史流量预测流量趋势的方法,包括:
读取历史流量数据信息,所述历史流量数据包括多个历史单位时间段的实际流量数据,所述多个历史单位时间段的实际流量数据相关联;
确定有效历史流量数据信息;
确定预测单位时间段的预测流量数据,所述预测单位时间段的预测流量数据与所述多个历史单位时间段的实际流量数据相关联。
采用上述方案,所述一种基于历史流量预测流量趋势的方法,基于一定范围内的历史流量数据,并将部分无效历史流量数据剔除,从而消除无效历史流量数据对计算结果的影响,再进行流量数据预测,提高流量预测的准确度,提高预测流量趋势准确性。
作为一种可选的实施方式,所述读取历史流量数据包括,读取预置时间范围的多个历史单位时间段的实际流量数据,所述多个历史单位时间段的实际流量数据是连续或不连续的时间段。
作为一种可选的实施方式,所述预置时间范围可以是前0-10天、前10-30天、前50-100天等。
作为一种可选的实施方式,所述预置时间范围的历史流量数据,可以是所述预置时间范围内所有的流量数据,也可以是部分时间段的流量数据,所述单位时间段可以是秒、分钟、小时等。
采用上述方案,灵活的读取预置时间范围内的历史流量数据,根据需求读取历史流量数据,不但减少了多读历史流量数据浪费的时间,而且避免由于部分历史流量数据缺失导致最后预测结果的不准确。
在具体实施过程中,所述读取历史流量数据可以是,如下表1:
time | bps |
2018/11/27 0:01 | 18453880 |
2018/11/28 0:01 | 0 |
2018/11/29 0:01 | 216852896 |
2018/11/30 0:01 | 325263114 |
2018/12/1 0:01 | 360253485 |
2018/12/2 0:01 | 255128058 |
2018/12/3 0:01 | 320198522 |
2018/12/4 0:01 | 132624221 |
2018/12/5 0:01 | 267977229 |
2018/11/27 0:00 | 9519792 |
2018/11/28 0:00 | 0 |
2018/11/29 0:00 | 237301160 |
2018/11/30 0:00 | 313207754 |
2018/12/1 0:00 | 350231341 |
2018/12/2 0:00 | 295797069 |
2018/12/3 0:00 | 308625781 |
2018/12/4 0:00 | 120660685 |
2018/12/5 0:00 | 240285824 |
如图2所示,具体实施过程中,所述确定有效历史流量数据信息包括:
确定无效历史流量数据信息;
从历史流量数据信息中删除无效历史流量数据信息;
得出有效历史流量数据信息。
作为一种可选的实施方式,所述确定无效历史流量数据信息包括:
第一筛选:将所述多个历史单位时间段中,历史单位时间段的实际流量数据为0的数据判定为无效历史流量数据信息;
第二筛选:将阈值参数作为判定条件,再次判定所述历史单位时间段的实际流量数据是否为无效历史流量数据信息。
作为一种可选的实施方式,所述第一筛选包括:
判断所述历史单位时间段的实际流量数据是否为0;
若是,则所述历史单位时间段的实际流量数据属于无效历史流量数据信息;
若否,则根据所述第二筛选的方法再次进行判断是否属于无效历史流量数据信息。
具体实施过程中,本组数据中,下表中两条数据属于无效历史流量数据信息,
如下表2:
time | bps |
2018/11/28 0:01 | 0 |
2018/11/28 0:00 | 0 |
如图3所示,作为一种可选的实施方式,所述第二筛选包括:
确定所述多个历史单位时间段的实际流量数据的算数平均值;
接收流量阈值参数值;
判断是否历史单位时间段的实际流量数据/平均值≥阈值参数值;
若是,则所述历史单位时间段的实际流量数据属于无效历史流量数据信息;
若否,则所述历史单位时间段的实际流量数据不属于无效历史流量数据信息。
具体实施过程中,根据上述历史流量数据,设0:00的流量平均值为favg(0),0:01流量平均值为favg(1),根据公式favg=(fn+fn-1+…+f1)/n可得所述同一时间点的流量值的算数平均值:
favg(0)=234453675.75;
favg(1)=210750156.111111。
具体实施过程中,设所述阈值参数为m,设m=5;
作为一种可选的实施方式,所述流量阈值参数可以是6、7、8,具体根据实际情况设定。
具体实施过程中,通过所述判断是否流量值/平均值≥阈值参数值,可知,本组数据没有所述无效历史流量数据信息。采用上述方案,精确剔除不符合条件的流量值,使其不参与流量预测计算,进而消除历史异常流量数据对最终计算结果的影响,避免由于异常流量值导致对最终计算结果的影响,导致结果误差变大。
作为一种可选的实施方式,所述确定预测单位时间段的预测流量数据,包括:
根据所述有效历史流量数据信息,确定所述预测单位时间段的预测流量数据
具体实施过程中,所述确定所述预测单位时间段的预测流量数据,根据公式:
vn=β*vn-1+(1-β)*fn;
设v0=0,可得:vn=(1-β)(fn+βfn-1+β2fn-2+…+βn-1f1)。
所述fn表示第n时间段的实际流量值,vn、vn-1分别表示第n单位时间段和第n-1单位时间段的预测流量数据,β表示权重系数。
具体实施过程中,设β=0.9,计算各个时间段的预测流量数据可得,如下表3:
time | 预测流量数据 |
2018/11/27 0:01 | 1845388 |
2018/11/29 0:01 | 23346138.8 |
2018/11/30 0:01 | 53537836.32 |
2018/12/1 0:01 | 84209401.19 |
2018/12/2 0:01 | 101301266.9 |
2018/12/3 0:01 | 123190992.4 |
2018/12/4 0:01 | 124134315.2 |
2018/12/5 0:01 | 138518606.6 |
2018/11/27 0:00 | 8567812.8 |
2018/11/29 0:00 | 31441147.52 |
2018/11/30 0:00 | 59617808.17 |
2018/12/1 0:00 | 88679161.45 |
2018/12/2 0:00 | 109390952.2 |
2018/12/3 0:00 | 129314435.1 |
2018/12/4 0:00 | 128449060.1 |
2018/12/5 0:00 | 139632736.5 |
采用上述方案,从公式vn=(1-β)(fn+βfn-1+β2fn-2+…+βn-1f1)可以看出t时间点的流量f的权重系数以指数等比形式缩小,时间越靠前近当前时间的流量数据加权影响力越大,使时间远离当前时间的流量数据对流量数据加权影响力变小,可以抚平短期流量波动,起到了一定的平滑作用,更加精确的处理数据。
作为一种可选的实施方式,将表3中2018/12/5 0:01对应的138518606.6作为2018/12/6 0:01的最终流量预测值,2018/12/5 0:00对应的139632736.5作为2018/12/60:00的最终流量预测值。
作为一种可选的实施方式,将表3中2018/12/5 0:01对应的138518606.6和2018/12/5 0:00对应的139632736.5再次进行计算,确定所述2018/12/6 0:01的最终流量预测值,根据公式:
vn=β*vn-1+(1-β)*fn;
将所述2018/12/5 0:01对应的138518606.6带入fn,将所述2018/12/5 0:00对应的139632736.5带入vn-1,β=0.9,计算可得vn=139521323.5作为2018/12/6 0:01的最终流量预测值。
作为一种可选的实施方式,所述基于历史流量预测流量趋势的方法,还包括:根据所述预测流量数据确定预测流量趋势:
根据所述确定所述预测单位时间段的预测流量数据的方法,确定多个预测单位时间段的预测流量数据;
根据所述多个预测单位时间段的预测流量数据,确定所述预测流量趋势。
具体实施过程中,按照所述2018/12/6 0:01的最终流量预测值的计算方法,计算2018/12/6 0:01附近的多个最终流量预测值,确定所述预测流量趋势。
采用上述方案,通过确定多个时间段的最终流量预测值,完成对流量趋势的预测,提高流量趋势预测的准确度。
基于同一发明构思,本发明提供了一种于历史流量预测流量趋势的装置,所述装置包括:
处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述的方法。
基于同一发明构思,本发明提供了一种存储介质,所述存储介质包括一个或多个程序,所述一个或多个程序可以被处理器执行以完成上述的方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
应当理解,本申请实施例中,从权、各个实施例、特征可以互相组合结合,都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于历史流量预测流量趋势的方法,其特征在于,包括:
读取历史流量数据信息,所述历史流量数据包括多个历史单位时间段的实际流量数据,所述多个历史单位时间段的实际流量数据相关联;
确定有效历史流量数据信息;
确定预测单位时间段的预测流量数据,所述预测单位时间段的预测流量数据与所述多个历史单位时间段的实际流量数据相关联;
所述确定所述预测单位时间段的预测流量数据,根据公式:
vn=β*vn-1+(1-β)*fn;
设v0=0,可得:vn=(1-β)(fn+βfn-1+β2fn-2+…+βn-1f1);
所述fn表示第n单位时间段的实际流量值,vn、vn-1分别表示第n单位时间段和第n-1单位时间段的预测流量数据,β表示权重系数。
2.根据权利要求1所述基于历史流量预测流量趋势的方法,其特征在于,所述确定有效历史流量数据信息包括:
确定无效历史流量数据信息;
从历史流量数据信息中删除无效历史流量数据信息;
得出有效历史流量数据信息。
3.根据权利要求2所述基于历史流量预测流量趋势的方法,其特征在于,所述确定无效历史流量数据信息包括:
第一筛选:将所述多个历史单位时间段中,历史单位时间段的实际流量数据为0的数据判定为无效历史流量数据信息;
第二筛选:将阈值参数作为判定条件,再次判定所述历史单位时间段的实际流量数据是否为无效历史流量数据信息。
4.根据权利要求3所述基于历史流量预测流量趋势的方法,其特征在于,所述第一筛选包括:
判断所述历史单位时间段的实际流量数据是否为0;
若是,则所述历史单位时间段的实际流量数据属于无效历史流量数据信息;
若否,则根据所述第二筛选的方法再次进行判断是否属于无效历史流量数据信息。
5.根据权利要求3或4所述基于历史流量预测流量趋势的方法,其特征在于,所述第二筛选包括:
确定所述多个历史单位时间段的实际流量数据的算数平均值;
接收流量阈值参数值;
判断是否历史单位时间段的实际流量数据/平均值≥阈值参数值;
若是,则所述历史单位时间段的实际流量数据属于无效历史流量数据信息;
若否,则所述历史单位时间段的实际流量数据不属于无效历史流量数据信息。
6.根据权利要求5所述基于历史流量预测流量趋势的方法,其特征在于,所述确定预测单位时间段的预测流量数据,包括:
根据所述有效历史流量数据信息,确定所述预测单位时间段的预测流量数据。
7.根据权利要求6所述基于历史流量预测流量趋势的方法,其特征在于,还包括:根据所述预测流量数据确定预测流量趋势:
根据所述确定所述预测单位时间段的预测流量数据的方法,确定多个预测单位时间段的预测流量数据;
根据所述多个预测单位时间段的预测流量数据,确定所述预测流量趋势。
8.一种基于历史流量预测流量趋势的装置,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述权利要求1-7的任一项的方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现上述权利要求1-7的任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911312472.XA CN111130932B (zh) | 2019-12-18 | 2019-12-18 | 一种基于历史流量预测流量趋势的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911312472.XA CN111130932B (zh) | 2019-12-18 | 2019-12-18 | 一种基于历史流量预测流量趋势的方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111130932A CN111130932A (zh) | 2020-05-08 |
CN111130932B true CN111130932B (zh) | 2021-10-19 |
Family
ID=70499881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911312472.XA Active CN111130932B (zh) | 2019-12-18 | 2019-12-18 | 一种基于历史流量预测流量趋势的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111130932B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112653589A (zh) * | 2020-07-13 | 2021-04-13 | 福建奇点时空数字科技有限公司 | 一种基于主机数据流特征提取的网络数据流异常检测方法 |
CN111970206A (zh) * | 2020-08-21 | 2020-11-20 | 北京浪潮数据技术有限公司 | 一种fc网络流量控制方法、装置及相关组件 |
CN112543152A (zh) * | 2020-12-08 | 2021-03-23 | 贝壳技术有限公司 | 自适应调整服务超时时间的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102457878A (zh) * | 2010-10-18 | 2012-05-16 | ***通信集团四川有限公司 | 一种在关键业务预测中剔除异常数据的方法和装置 |
CN106875027A (zh) * | 2016-06-06 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 资源请求值的预测方法及装置、交易量的预测方法 |
CN107171848A (zh) * | 2017-05-27 | 2017-09-15 | 华为技术有限公司 | 一种流量预测方法和装置 |
CN109471783A (zh) * | 2017-09-08 | 2019-03-15 | 北京京东尚科信息技术有限公司 | 预测任务运行参数的方法和装置 |
CN110086649A (zh) * | 2019-03-19 | 2019-08-02 | 深圳壹账通智能科技有限公司 | 异常流量的检测方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544130A (zh) * | 2019-09-05 | 2019-12-06 | 广州时代数据服务有限公司 | 流量异动监测方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-18 CN CN201911312472.XA patent/CN111130932B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102457878A (zh) * | 2010-10-18 | 2012-05-16 | ***通信集团四川有限公司 | 一种在关键业务预测中剔除异常数据的方法和装置 |
CN106875027A (zh) * | 2016-06-06 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 资源请求值的预测方法及装置、交易量的预测方法 |
CN107171848A (zh) * | 2017-05-27 | 2017-09-15 | 华为技术有限公司 | 一种流量预测方法和装置 |
CN109471783A (zh) * | 2017-09-08 | 2019-03-15 | 北京京东尚科信息技术有限公司 | 预测任务运行参数的方法和装置 |
CN110086649A (zh) * | 2019-03-19 | 2019-08-02 | 深圳壹账通智能科技有限公司 | 异常流量的检测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111130932A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111130932B (zh) | 一种基于历史流量预测流量趋势的方法、装置及存储介质 | |
CN111695791A (zh) | 一种业务指标预测方法及装置 | |
CN110019174B (zh) | 数据质量确定方法、装置、电子设备及存储介质 | |
US9373078B1 (en) | Methods and systems for predictive alerting | |
CN109886736B (zh) | 用于dsp平台的预算数据处理方法及装置、存储介质、终端 | |
CN112269811A (zh) | 一种基于业务量的it容量预测方法和*** | |
CN115375459A (zh) | 一种逾期利息确定方法、装置、设备及介质 | |
CN109684546B (zh) | 推荐方法、装置、存储介质及终端 | |
WO2013167908A1 (en) | Method of operating a server apparatus for delivering website content, server apparatus and device in communication with server apparatus | |
EP1526509B1 (en) | Method for adaptive filtering | |
CN111835536A (zh) | 一种流量预测方法和装置 | |
CN112001563A (zh) | 一种话单量的管理方法、装置、电子设备及存储介质 | |
CN110751551B (zh) | 融资方案的智能匹配方法、装置、计算机设备及存储介质 | |
JP2023164741A (ja) | 情報処理装置、方法及びプログラム | |
CN112187870A (zh) | 一种带宽平滑方法及装置 | |
WO2023029680A1 (zh) | 一种确定磁盘可使用时长的方法及装置 | |
CN111583010A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN107016573B (zh) | 一种应用的评测方法和评测*** | |
WO2022227219A1 (zh) | 房产指数数据分析方法、装置、设备及存储介质 | |
CN112148551B (zh) | 用于确定存储***的使用变化率的方法、设备和计算机程序产品 | |
CN115082204A (zh) | 信贷产品推荐中的信息处理方法、计算机设备及存储介质 | |
CN112988497B (zh) | 管理备份***的方法、电子设备和计算机程序产品 | |
JP7041607B2 (ja) | リソース管理支援装置およびリソース管理支援方法 | |
CN113408641A (zh) | 资源生成模型的训练与服务资源的生成方法、装置 | |
CN113129127A (zh) | 预警方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: Room 218, 2nd Floor, Building A, No. 119 West Fourth Ring North Road, Haidian District, Beijing, 100000 Patentee after: HAOHAN DATA TECHNOLOGY CO.,LTD. Address before: 102, building 14, 45 Beiwa Road, Haidian District, Beijing Patentee before: HAOHAN DATA TECHNOLOGY CO.,LTD. |
|
CP02 | Change in the address of a patent holder |