基于机器学习的链路拥塞故障预测及网络自主管控方法
授权
摘要
本发明属于人工智能技术领域，具体的说是涉及一种基于机器学习的链路拥塞故障预测及网络自主管控方法，首先周期性的测量的链路性能参数，并分析不同类型业务流的QoS需求特点，提出了基于效用值的QoS路由质量度量方法，量化了路由对于业务QoS的满足程度，建立了路由质量空间到数值空间的映射。然后，基于LSTM神经网络对链路流量进行预测，并根据流量预测的结果进行链路拥塞风险判断和预防。最后，基于效用值和流量预测设计了QoS路由引擎，该引擎可以根据网络的实时资源状态、业务效用函数和链路拥塞判断结果计算业务的QoS路由，为多种不同类型网络业务流提供QoS路由计算服务，同时起到控制网络拥塞的作用。
基本信息
专利标题 ：
基于机器学习的链路拥塞故障预测及网络自主管控方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113114582A
申请号 ：
CN202110572087.X
公开（公告）日 ：
2021-07-13
申请日 ：
2021-05-25
授权号 ：
CN113114582B
授权日 ：
2022-05-17
发明人 ：
张梓强苏俭
申请人 ：
电子科技大学
申请人地址 ：
四川省成都市高新西区西源大道2006号
代理机构 ：
成都点睛专利代理事务所(普通合伙)
代理人 ：
孙一峰
优先权 ：
CN202110572087.X
主分类号 ：
H04L12/801
IPC分类号 ：
H04L12/801 H04L12/853 H04L12/707 H04L12/721 G06N3/04 G06N3/08
法律状态
2022-05-17 ：
授权
2021-07-30 ：
实质审查的生效
IPC(主分类) : H04L 12/801
申请日 : 20210525
申请日 : 20210525
2021-07-13 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
