基于人工智能的通信网络拥塞情况预测系统

本发明属于通信网络预测领域，具体是公开了基于人工智能的通信网络拥塞情况预测系统，系统包括数据采集模块、数据预处理模块、关联规则特征提取模块、特征融合模块、LSTM时序预测模块、模型训练模块、拥塞预测输出模块。本方案对原始网络流量数据进行数据离散化与时序样本划分后，采用关联规则算法挖掘不同时段、网关、网络状态及环境因素之间的潜在关联关系，计算支持度与置信度并量化为特征；将关联规则特征与原始网络时序特征进行融合，利用LSTM的门控结构建模网络流量的长时序依赖关系，以均方误差作为损失函数完成模型训练，实现网络拥塞状态的精准预测，结合数据挖掘与深度学习两类技术的优势，兼顾推理效率与业务可解释性。