基于高阶图卷积自编码器的网络流量预测

作     者：崔兆阳 李昭桦 CUI Zhao-yang;LI Zhao-hua

作者机构：广州供电局有限公司广东广州510620 中国能源建设集团广东省电力设计研究院有限公司广东广州510663 

基　　金：广州供电局有限公司基金项目(GZHKJXM20170117) 

出 版 物：《计算技术与自动化》 (Computing Technology and Automation)

年 卷 期：2020年第39卷第4期

页      码：169-174页

摘      要：网络流量预测是有效保障用户QoS措施之一。当前深度学习为基础的网络算法预测中没有充分利用网络拓扑信息。为此,提出了基于高阶图卷积自编码器的网络流量预测模型。该流量预测模型基于软件定义网络(SDN)架构,利用高阶图卷积网络(GCN)获取网络拓扑中的多跳邻域之间的流量相互影响关系,采用门控递归单元(GRU)获取网络的时间相关性信息,利用自编码模型来实现无监督学习和预测。在Abilene网络上采用真实数据进行了仿真对比分析试验,结果表明,提出的方法在网络流量检测方面的MAPE值为41.56%,低于其它深度学习的方法,同时预测准确率方面也达到最优。

主 题 词：流量检测 高阶图卷积 GRU自编码器 网络拥塞预测 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16339/j.cnki.jsjsyzdh.202004031

馆 藏 号：203998436...