原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
JournalofComputerApplicationsISSN1001⁃90812021⁃08⁃10
计算机应用,2021,41(8):2373-2378CODENJYIIDUhttp：//
文章编号：1001-9081（2021）08-2373-06DOI：10.11772/j.issn.1001-9081.2020101677
基于循环神经网络的电信行业容量数据预测方法
1，211*2
丁尹，桑楠，李晓瑜，吴飞舟
（1.电子科技大学信息与软件工程学院，成都610054；2.北京思特奇信息技术股份有限公司，北京100046）
（∗通信作者电子邮箱201821090114@）
摘要：在电信运维的容量预测过程中，存在容量指标和部署业务种类繁多的问题。现有研究未考虑指标数据类
型的差异，对所有类型的数据使用同种预测方法，使得预测效果参差不齐。为了提升指标预测效率，提出一种指标数
据类型分类方法，利用该方法将数据类型分为趋势型、周期型和不规则型。针对其中的周期型数据预测，提出基于双
向循环神经网络（BiRNN）的周期型容量指标预测模型，记作BiRNN-BiLSTM-BI。首先，为分析容量数据的周期特征，
提出一种忙闲分布分析算法；其次，搭建循环神经网络（RNN）模型，该模型包含一层BiRNN和一层双向长短时记忆网
络（BiLSTM）；最后，充分利用系统忙闲分布信息，对BiRNN输出的结果进行优化。与传统的三次指数平滑、差分自回
归移动平均（ARIMA）模型和反向传播（BP）神经网络模型进行比较的实验结果表明，在统一日志数据集和分布式缓存
数据集上，提出的BiRNN-BiLSTM-BI模型的均方误差（MSE）分别比对比模型中表现最优的模型降低了15.16%和
45.67%，可见预测准确率得到了很大程度的提升。
关键词：双向循环神经网络；长短时记忆网络；容量预测；忙闲分布；智能运维
中图分类号：TP391文献标志码：A
Predictionmethodofcapacitydataintelecomindustrybasedon
recurrentneuralnetwork
1，211*2
DINGYin，SANGNan，LIXiaoyu，WUFeizhou
（1.SchoolofInformationandSoftwareEngineering，UniversityofElectronicScienceandTechnologyofChina，ChengduSichuan610054，China；
2.SI-TECHInformationTechnologyCompanyLimited，Beijing100046，China）
Abstract:Inthecapacitypredictionprocessoftelecomoperationandmaintenance，thereareproblemsoftoomany
capacityindicatorsanddeployedbusinessclasses.Mostoftheexistingresearchesdonotconsiderthedifferenceofindicator
datatypes，andusethesamepredicti
文档评论（0）