基于深度学习的网络流量预测研究综述

摘要：

精准地预判网络流量变化趋势可以帮助运营商准确预估网络的使用情况,合理分配并高效利用网络资源,以满足日益增长且多样化的用户需求.以深度学习算法在网络流量预测领域的进展为线索,阐述了网络流量预测的评价指标和目前公开的网络流量数据集及应用,具体分析了网络流量预测中常用的深度信念网络、卷积神经网络、循环神经网络和长短时记忆网络共四种深度学习方法,并重点介绍了近年来针对不同问题所提出的改进神经网络模型,总结了各模型特点及应用场景.最后对网络流量预测未来发展进行了展望.

关键词：深度学习、网络流量预测、深度信念网络、卷积神经网络、长短时记忆网络

所属期刊栏目：57

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金U1909204

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-9