CDN带宽异常值的预测和准确告警一直是网络运营的重点和难点,为此在时间序列LSTM (long short term memory network)基础之上,提出并实现了一套新的算法框架——局部加权回归串行LSTM.框架采用时序插值采样方法构造数据集,局部加权算法...CDN带宽异常值的预测和准确告警一直是网络运营的重点和难点,为此在时间序列LSTM (long short term memory network)基础之上,提出并实现了一套新的算法框架——局部加权回归串行LSTM.框架采用时序插值采样方法构造数据集,局部加权算法融入最小二乘回归拟合模型进行初始预测,预测结果串行LSTM时序模型进行最终带宽异常值预测,使用4sigma方法判断某时刻带宽是否为异常,并按等级标准发出异常告警.实验结果显示该模型实现了带宽异常值的预判及告警.展开更多
文摘CDN带宽异常值的预测和准确告警一直是网络运营的重点和难点,为此在时间序列LSTM (long short term memory network)基础之上,提出并实现了一套新的算法框架——局部加权回归串行LSTM.框架采用时序插值采样方法构造数据集,局部加权算法融入最小二乘回归拟合模型进行初始预测,预测结果串行LSTM时序模型进行最终带宽异常值预测,使用4sigma方法判断某时刻带宽是否为异常,并按等级标准发出异常告警.实验结果显示该模型实现了带宽异常值的预判及告警.