杨国丽

（北方工业大学，北京 100043）

0 引言

随着我国经济的不断发展，我们的生活也变得越来越便捷，生活水平的显著提高，使得对城镇的管道系统的要求逐渐加大[1]；同时交通事业的迅猛发展，使得交通道路的堵塞情况愈加严峻，造成通行率低下、交通安全事故频频发生的问题；并且计算机网络技术的不断发展也促进了各类应用的产生，这对网络的性能及服务质量有了更高的要求等，于是各种问题也渐渐凸显了出来。

1 研究背景及意义

不论是管道流量、交通流量还是网络流量，全面准确地流量分析与预测，对于之后的优化及其服务质量抑或是管控工作都是极其重要的，是实现服务质量保证的一种重要基础技术，也是发挥大数据辅助决策功能的重要基础，所以我们进行实时、准确的流量预测研究是具有非常重要的现实意义。为给排水管道、交通路线优化，抑或是网络基站站址的规划提供依据，我们对传统的时间序列预测进行了介绍和对比，基于深度学习的建模的准确性是流量预测的关键。

不论哪种流量形式我们都可从时间维度来考虑将其看作时间序列问题相关的预测，而不管交通流量、管道流量还是网络流量，这些流量的变化形式都是一个实时、非平稳的一个随机的过程，并且都具有复杂性和不稳定性等时间序列数据的基本特征，所以针对序列数据的特征如何提高流量预测精度一直是众多学者一直关注并在研究的问题。……