康梦轩，宋俊平，范鹏飞，高博文，周 旭，李 琢

1.中国科学院 计算机网络信息中心，北京100190

2.中国科学院大学，北京100049

3.中国联合网络通信有限公司 北京市分公司，北京100038

根据2020年4月中国互联网信息中心发布的《第45次中国互联网络发展状况统计报告》显示，截至2020年3 月份，我国共有网民9.04 亿，与2018 年底相比，增长7 508万人，普及率增至64.5%。不仅如此，我国网民平均每周每人上网30.8 小时，与2018 年底相比，增长3.2 小时[1-2]。网民数量的增长及上网时间的延长带来网络流量的激增。

随着5G、边缘计算、NFV 等技术的发展，对网络进行精细化、自动化、智能化运维及管理将成为新的挑战。为了应对这一挑战，需要对边缘网络、城域网、骨干网等多个层级的应用级网络流量进行精准感知。而网络流量预测能力则是核心技术之一。精准的网络流量预测技术能够实现如下功能：（1）帮助改善通信网络管理。在分配网络资源的过程中，传统方法仅仅依靠网络当前流量使用状态进行资源分配，缺乏对未来状态的预判，很容易导致网络不断拥堵或资源浪费。网络流量的准确预测可以帮助运营商及早应对即将出现的拥堵，提前进行网络扩容、调整和优化。（2）提升通信网络效能。伴随着5G 基站的大规模部署，未来将建设更多的微基站，需要更多的电力和回程光纤。流量的准确预测，使得根据实际业务需求弹性分配资源成为可能。在闲时，网络需求量低，可以使低负载的部分基站进入休眠节能状态，并动态调整基站覆盖范围，待忙时，再激活这部分基站，进而减少基站能耗[3]。……