典型文献
基于Transformer的网络流量预测方法
文献摘要：
准确的网络流量预测对于通信系统实现自动化管理、自优化配置具有重要意义。为了充分捕获网络流量数据中隐藏的复杂的动态时空特征，提高网络流量预测的精度，本文提出了一种基于Transformer的网络流量预测模型。首先，采用一个Transformer中的自注意力机制（Self-Attention）捕获网络流量在时间维度上的特征，为不同时间点的网络流量数据自动分配注意力权重，充分获取时间相关性；其次，采用另外一个Transformer网络中的自注意力机制捕获不同区域网络流量在空间维度上的特征，实现对不同区域的权值自适应分配；最后，将网络流量的时间维度特征和空间维度的特征进行拼接，并送入一个卷积网络获取最终的网络流量预测结果。利用“意大利电信大数据挑战赛”的部分业务流量数据进行网络流量预测实验。实验结果表明提出的方法与现有的基线模型相比具有更优的预测能力。
文献关键词：
网络流量预测;动态时空特征;注意力机制;卷积网络
中图分类号：
作者姓名：
周昱江;许明广;邓天存
作者机构：
中国矿业大学
文献出处：
引用格式：
[1]周昱江;许明广;邓天存-.基于Transformer的网络流量预测方法)[J].计算机产品与流通,2022(10):82-84
A类：
动态时空特征
B类：
Transformer,网络流量预测,通信系统,系统实现,自动化管理,自优化,流量数据,中隐,流量预测模型,自注意力机制,Self,Attention,时间维度,不同时间点,自动分配,注意力权重,分获,时间相关性,区域网络,空间维度,权值,自适应分配,维度特征,拼接,送入,卷积网络,意大利,电信大数据,挑战赛,分业,业务流,基线模型,预测能力
AB值：
0.286402
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
