申请/专利权人：中国移动通信集团设计院有限公司;中移数智科技有限公司;中国移动通信集团有限公司

申请日：2023-12-25

公开（公告）日：2024-04-19

公开（公告）号：CN117455205B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q50/50;G06N3/0442;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明涉及人工智能技术领域，尤其涉及一种资源需求预测模型训练方法、系统及资源需求预测方法。资源需求预测模型训练方法包括：基于业务负荷样本，对预设的长短期记忆网络进行训练，得到训练好的业务负荷预测子模型；将业务负荷样本、以及每个业务负荷样本各自对应的网元资源消耗信息样本输入预设的生成对抗网络进行训练，得到训练好的资源消耗子模型；将训练好的资源消耗子模型和业务负荷预测子模型确定为资源需求预测模型。本方法通过将资源消耗子模型和业务负荷预测子模型有机结合，得到资源需求预测模型，能够较为精准地实现对目标时刻的资源需求预测。

主权项：1.一种资源需求预测模型训练方法，其特征在于，包括：基于业务负荷样本，对预设的长短期记忆网络进行训练，得到训练好的业务负荷预测子模型；将所述业务负荷样本、以及每个所述业务负荷样本各自对应的网元资源消耗信息样本输入预设的生成对抗网络进行训练，得到训练好的资源消耗子模型；所述业务负荷预测子模型用于在接收到输入的目标时刻的情况下，进行业务负荷预测，得到所述目标时刻的业务负荷预测结果，将所述业务负荷预测结果输出至所述资源消耗子模型；所述资源消耗子模型用于基于所述业务负荷预测结果，进行资源需求预测，得到资源需求预测结果；将训练好的所述资源消耗子模型和所述业务负荷预测子模型确定为资源需求预测模型；基于业务负荷样本，对预设的长短期记忆网络进行训练，得到训练好的业务负荷预测子模型的步骤包括：对同一时刻负责相同业务的全部网元的所述业务负荷样本进行求和，得到每个时刻对应所述业务的总业务负荷信息；对负责相同所述业务的全部网元的所述总业务负荷信息，按照预设的预测时间跨度，滑动进行等间隔抽样，得到多个负荷信息抽样集，所述负荷信息抽样集的数量为所述预测时间跨度，所述负荷信息抽样集中所述总业务负荷信息的数量为目标数量，所述目标数量指相同所述业务的所述总业务负荷信息的数量与所述预测时间跨度之间的比值；将全部所述负荷信息抽样集依次输入所述长短期记忆网络，得到训练好的所述业务负荷预测子模型；将全部所述负荷信息抽样集依次输入所述长短期记忆网络，得到训练好的所述业务负荷预测子模型的步骤包括：当基于任一所述负荷信息抽样集，对所述长短期记忆网络进行训练时，将当前所述负荷信息抽样集中最后一个时刻的总业务负荷信息，确定为真实总负荷；将当前所述负荷信息抽样集中最后一个时刻的总业务负荷信息之前的全部所述总业务负荷信息，确定为训练样本；基于所述训练样本，进行业务负荷预测，得到业务负荷预测数据；基于所述业务负荷预测数据和所述真实总负荷之间的差距，对所述长短期记忆网络进行参数更新，得到训练好的所述业务负荷预测子模型。

全文数据：

权利要求：

百度查询： 中国移动通信集团设计院有限公司;中移数智科技有限公司;中国移动通信集团有限公司 资源需求预测模型训练方法、系统及资源需求预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD