非平稳边缘流量的时频联合预测方法

来源：计算机工程与应用杂志2026年第12期北京时间：

作者：熊川越, 杨静, 阮小利, 李少波, 唐向红, 徐计

单位：1.贵州大学 公共大数据国家重点实验室，贵阳 550025；2.上海交通大学 计算机科学与工程系，上海 201100；

摘要：网络流量建模用于揭示网络流量规律，并进一步支撑资源优化决策。然而当前网络流量建模主要集中在节点整体规模，忽略未来不断变化的应用场景与用户行为差异，无法应对应用流量呈现出高动态性、强异构性与服务敏感性。因此，实时的细粒度应用流量预测对于深度刻画业务流量、保障服务稳定非常重要。由此，提出了面向多应用感知的长短期实时预测模型（real-time online predictive load for edge application traffic management，Ropl），该方法将离线时序推理和在线学习框架相结合，具体来说，采用了时序敏感扩充机制融合应用流量局部突变和整体趋势特征，针对边缘环境下的多应用流量高动态性与特征耦合问题，提出时频切片预测模块用于长短期流量预测，改进了时序漂移感知分段编码器来对应用流量时序分布偏移进行自适应校准。与现有的10种离线算法和3种在线预测框架相比，Ropl取得了先进结果。

关键词：通信网络,应用计算,资源管理,负载预测

基金资助：国家自然科学基金（62441608，62166005）；贵州省科技项目（QKHZC[2023]368）；贵阳市科技人才培养对象及项目（ZKHT[2023]48-8）；贵州大学基础科研基金（[2024]08）。