买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳开鸿数字产业发展有限公司申请的专利组网配置方法、装置、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119449845B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411485515.5，技术领域涉及：H04L67/12；该发明授权组网配置方法、装置、电子设备及存储介质是由卢伟超设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本组网配置方法、装置、电子设备及存储介质在说明书摘要公布了：本申请公开了一种组网配置方法、装置、电子设备及存储介质，涉及互联网技术领域，方法包括：获取组网设备的第一状态数据；将第一状态数据输入至预设的时间序列模型中，得到预测结果，其中，时间序列模型为ARIMA模型和LSTM模型的组合模型；根据预测结果动态调整组网设备的组网配置。本申请能够提升组网配置的自适应性和资源利用效率。

本发明授权组网配置方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种组网配置方法，其特征在于，所述方法包括： 获取组网设备的第一状态数据； 将所述第一状态数据输入至预设的时间序列模型中，得到预测结果，其中，所述时间序列模型为ARIMA模型和LSTM模型的组合模型； 根据所述预测结果动态调整所述组网设备的组网配置； 所述组网配置方法的实现流程包括： 1数据采集与预处理； 1.1输入，即获取组网设备的初始第一状态数据： 设备状态数据：Xt=[CPU使用率t,内存使用率t,网络延迟t,设备能耗t,环境温度t,…]； 时间序列T=[t1,t2,…,tn]； 1.2处理，即对初始第一状态数据依次进行去噪处理、异常检测和数据格式标准化处理，得到组网设备的第一状态数据： 数据标准化：将设备状态数据进行单位归一化，使用均值标准差公式进行标准化：Xtnorm=σXt-μ，其中，μ为均值，σ为标准差； 去噪化处理：采用卡尔曼滤波去噪方法，滤波模型如下：xt=xt-1+Ktzt-xt-1，其中，Kt是卡尔曼增益，zt是噪声测量数据； 1.3输出： 经过标准化、去噪和异常处理后的高质量时间序列数据：Xclean=[Xt1norm,Xt2norm,…,Xtnnorm]； 2时间序列模型构建与训练，即通过历史状态数据对ARIMA模型和LSTM模型进行训练和验证，以使ARIMA模型学习历史状态数据的短期变化特征，LSTM模型学习历史状态数据的长期变化特征； 2.1输入： 预处理后的设备状态时间序列数据：Xclean； 历史数据：H=[Ht-n,Ht-n-1,…,Ht]； 2.2处理： ARIMA模型：用于线性趋势预测，数学模型为：Xt=c+Xt-1+Xt-2+…+，其中，是自回归系数，是误差项； LSTM模型：用于捕捉组网设备状态的长期依赖关系，模型结构为：ht=LSTMXt-n,Xt-n+1,…,Xt，其中，LSTM单元的计算包括遗忘门、输入门和输出门，分别为：ft=σWf▪[ht-1,Xt]+bf；it=σWi▪[ht-1,Xt]+bi；ot=σWo▪[ht-1,Xt]+bo；其中，ft、it、ot分别为遗忘门、输入门和输出门的激活值，Wf、Wi、Wo是权重矩阵； 2.3输出： 训练好的ARIMA模型和LSTM模型，分别用于短期线性预测和长期复杂预测； 预测结果：未来时间段的组网设备状态预测Xt+1,Xt+2,…； 3动态组网配置的优化； 3.1输入，即将第一状态数据输入至预设的时间序列模型中，得到预测结果： 时间序列预测结果：Xt+1,Xt+2,…； 当前组网设备状态：Xt； 3.2处理，即根据预测结果动态调整组网设备的组网配置： 所述根据所述预测结果动态调整所述组网设备的组网配置的步骤，包括： 根据所述预测结果确定所述组网设备的资源分配是否异常； 在所述资源分配存在异常时，将所述预测结果作为预设的智能优化算法的输入数据，得到配置优化策略； 按照所述配置优化策略动态调整所述组网设备的组网配置； 所述预测结果包括CPU负载、网络流量和设备负载，所述根据所述预测结果确定所述组网设备的资源分配是否异常的步骤，包括： 在所述CPU负载超过预设的第一负载阈值时，确定所述组网设备的资源分配存在异常，并输出第一异常提示； 在所述网络流量超过预设的流量阈值时，确定所述组网设备的资源分配存在异常，并输出第二异常提示； 在所述设备负载超过预设的第二负载阈值时，确定所述组网设备的资源分配存在异常，并输出第三异常提示； 所述在所述资源分配存在异常时，将所述预测结果作为预设的智能优化算法的输入数据，得到配置优化策略的步骤，包括： 在所述资源分配存在异常时，将所述预测结果作为预设的智能优化算法的输入数据，基于所述智能优化算法通过选择、交叉和变异操作，确定配置优化策略； 或者， 在所述资源分配存在异常时，将所述预测结果作为预设的智能优化算法的输入数据，基于所述智能优化算法通过模拟粒子群体的行为，确定配置优化策略； 任务迁移算法：当预测组网设备的CPU或网络负载即将达到瓶颈时，采用负载均衡算法计算组网设备间的任务分配；目标是最小化最大负载，公式为： ； 其中，Li为组网设备i的负载，Ci为组网设备i的计算能力； 网络带宽调整：基于预测的流量需求，调整组网设备间的带宽分配；目标是最大化网络利用率，优化问题如下： ； 其中，Bi是分配给组网设备i的带宽，UBi是带宽分配的效用函数； 备用设备启用：当某组网设备预测即将发生故障时，启用备用设备，决策函数为： ； 其中，Pfailure是组网设备故障的预测概率； 3.3输出： 调整后的网络配置：任务分配方案、带宽分配方案、启用的备用设备清单； 4实时反馈与自适应优化 4.1输入： 实时组网设备状态：Xtreal； 模型预测状态：Xtpredict； 4.2处理，即获取组网设备的第二状态数据，并计算第二状态数据与预测结果之间的误差值，其中，所述第二状态数据为在预测结果之后，通过实时监测或定期采集得到的组网设备在第一状态数据之后的状态数据，计算第二状态数据与预测结果之间的误差值，所述误差值反映了时间序列模型预测与实际状态之间的偏差程度；在误差值超过预设的误差阈值时，对时间序列模型进行修正，并根据第二状态数据调整组网设备的组网配置： 反馈机制：实时监测当前组网设备状态与预测状态之间的差异，计算误差：Et=∣Xtreal-Xtpredict∣，当误差超出阈值时，系统重新训练模型并更新网络配置； 4.3输出： 调整后的模型参数和优化配置，确保设备组网的持续高效运行。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳开鸿数字产业发展有限公司，其通讯地址为：518000 广东省深圳市福田区福保街道福保社区桃花路与槟榔道交汇处西北深九科技创业园3号楼308；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。