文献类型：期刊文章

作　　者：田爱宝[1] 魏娇娇[2] 肖军弼[2]

TIAN Ai-bao;WEI Jiao-jiao;XIAO Jun-bi(Information Construction Department,China University of Petroleum,Qingdao 266580,Shandong Province,China;College of Computer Science and Technology,China University of Petroleum,Qingdao 266580,Shandong Province,China)

机构地区：[1]中国石油大学(华东)信息化建设处,山东青岛266580 [2]中国石油大学(华东)计算机科学与技术学院,山东青岛266580

出　　处：《信息技术》

年　　份：2024

卷　　号：48

期　　号：4

起止页码：156-160

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：网络流量预测是网络流量分析领域中亟待解决的关键任务之一。现基于机器学习的预测方法大多忽略了流量的长相关性,并且处理大量数据时耗时长。针对以上问题,文中将Transformer用于网络流量预测,通过多头注意力机制捕获流量的远程序列关系,学习流量的全局依赖关系。实验结果表明,该方法可以提高预测精度,并能有效降低训练时间。

关 键 词：流量预测  TRANSFORMER 深度学习  注意力机制  特征提取

分 类 号：TP393]