摘要
本发明公开了一种基于深度ESN的多尺度网络流量预测方法，属于计算机应用技术领域。该方法包括以下步骤：获取原始网络流量数据进行时域分析，得到多个预测子模型；基于不同的预测子模型复杂度分别采用浅层储备池结构和深层储备池结构；各预测子模型通过独立储备池网络处理对应尺度的输入数据，形成多尺度特征表示；将多尺度特征表示输入至误差修正网络；实时评估各预测子模型的预测误差；采用强化学习算法持续评估各预测子模型的有效性。本发明通过构建多尺度独立预测子模型解耦不同时间粒度的流量特征，进而实现了对多尺度流量特征的精准建模，解决了现有技术中多尺度特征解耦不充分的问题。
