面向流量预测的时间相关图卷积网络构建方法

作     者：张可涵 李红艳 刘文慧 王鹏 ZHANG Kehan;LI Hongyan;LIU Wenhui;WANG Peng

作者机构：西安电子科技大学综合业务网络理论及关键技术国家重点实验室陕西西安710071 淘宝(中国)软件有限公司浙江杭州311100 

出 版 物：《西安电子科技大学学报》 (Journal of Xidian University)

年 卷 期：2023年第50卷第5期

页      面：11-20页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 

基　　金：国家自然科学基金(61931017)。 

主　　题：虚拟化技术 网络拓扑结构 图卷积神经网络 流量预测 

摘      要：现有数据中心虚拟网络中流量预测方法难以表征链路之间相关性,导致数据中心网络流量预测精度难以提升。基于此,提出了一种时间相关图卷积神经网络(TC-GCN),使能数据中心网络链路流量的时间和空间相关性表征,提升了流量预测精度。首先,构建具有时间属性的图卷积神经网络邻接矩阵,解决虚拟网络链路间流量异步性导致的预测偏差问题,实现了链路相关性的精准表征;其次,设计基于长/短窗口图卷积神经网络加权的流量预测机制,利用有限长度长/短窗口适配流量序列的平滑段与波动段,有效避免了神经网络梯度消失问题,提升了虚拟网络的流量预测精度;最后,设计了一个误差加权单元对长短窗口图卷积神经网络的预测结果进行加权求和,该网络的输出即为链路流量的预测值。为保障结果的实用性,基于真实的数据中心网络数据对所提时间相关图卷积网络进行了仿真实验。实验结果表明,所提预测方法相比于传统的图卷积神经网络流量预测方法具有更高的预测精度。