面向流量預測的時間相關圖卷積網(wǎng)絡構建方法

摘要： 現(xiàn)有數(shù)據(jù)中心虛擬網(wǎng)絡中流量預測方法難以表征鏈路之間相關性，導致數(shù)據(jù)中心網(wǎng)絡流量預測精度難以提升?；诖?，提出了一種時間相關圖卷積神經(jīng)網(wǎng)絡(TC-GCN),使能數(shù)據(jù)中心網(wǎng)絡鏈路流量的時間和空間相關性表征，提升了流量預測精度。首先，構建具有時間屬性的圖卷積神經(jīng)網(wǎng)絡鄰接矩陣，解決虛擬網(wǎng)絡鏈路間流量異步性導致的預測偏差問題，實現(xiàn)了鏈路相關性的精準表征；其次，設計基于長/短窗口圖卷積神經(jīng)... （共10頁）