CDN带宽预测方法、装置、电子设备及存储介质

    公开(公告)号:CN117041074A

    公开(公告)日:2023-11-10

    申请号:CN202311300158.6

    申请日:2023-10-10

    Abstract: 本发明涉及一种CDN带宽预测方法、装置、电子设备及存储介质,该方法包括:获取第一带宽数据,并对第一带宽数据进行预处理,得到模型输入数据,第一带宽数据为历史CDN带宽数据。通过第一函数对模型输入数据进行初始化处理,并通过开源数据可视化工具对模型输入数据进行展示,以获取模型输入数据的时间序列。基于模型输入数据和时间序列,对EWMA和LSTM模型进行训练,得到EWMA‑LSTM融合模型。调用EWMA‑LSTM融合模型预测第一带宽数据的带宽量级,以得到第一带宽数据的预测带宽值。该方法通过对大量历史CDN数据的预处理和初始化处理,对模型训练所需的数据进行了重重筛选,减少了缺失值、异常值对模型预测精度的影响,EWMA和LSTM模型的融合训练,提高了融合模型的预测精度。

    CDN带宽预测方法、装置、电子设备及存储介质

    公开(公告)号:CN117041074B

    公开(公告)日:2024-02-27

    申请号:CN202311300158.6

    申请日:2023-10-10

    Abstract: 本发明涉及一种CDN带宽预测方法、装置、电子设备及存储介质,该方法包括:获取第一带宽数据,并对第一带宽数据进行预处理,得到模型输入数据,第一带宽数据为历史CDN带宽数据。通过第一函数对模型输入数据进行初始化处理,并通过开源数据可视化工具对模型输入数据进行展示,以获取模型输入数据的时间序列。基于模型输入数据和时间序列,对EWMA和LSTM模型进行训练,得到EWMA‑LSTM融合模型。调用EWMA‑LSTM融合模型预测第一带宽数据的带宽量级,以得到第一带宽数据的预测带宽值。该方法通过对大量历史CDN数据的预处理和初始化处理,对模型训练所需的数据进行了重重筛选,减少了缺失值、异常值对模型预测精度的影响,EWMA和LSTM模型的融合训练,提高了融合模型的预测精度。

Patent Agency Ranking