1.一种辅助流量预测控制方法，其特征在于，包括：抓取指定拓扑内链路和区域的流量数据信息；利用所述流量数据信息分别进行流量预测和路径选择的深度学习模型训练，得到流量预测模型和路径选择模型；利用所述流量预测模型进行拥塞状况预测，给出拥塞概率较高业务的序列；丢弃所述序列中拥塞概率小于门限值的业务，将所述序列中剩下的业务返回控制器；对所述剩下的业务所在的节点和链路进行单独的流量收集，判断所述剩下的业务实时链路中的流量趋势；使用所述路径选择模型对流量趋势呈增长状态的业务进行分析，给出最优路径；根据所述最优路径调节链路转发流表，并将流表下发到交换机中，存入交换机的转发信息库。
2.根据权利要求1所述的一种辅助流量预测控制方法，其特征在于，所述流量数据信息包括网络状态和业务类型。
3.根据权利要求2所述的一种辅助流量预测控制方法，其特征在于，所述网络状态包括：虚拟节点、物理节点、链路、接口、路径、链路带宽容量、网络拓扑结构、拥塞率；所述业务类型包括：源节点地址、目的节点地址、带宽需求、QoS参数、端到端延迟、跳数、延迟抖动、丢包率、可用带宽、网络吞吐率。
4.根据权利要求1所述的一种辅助流量预测控制方法，其特征在于，所述流量预测模型包括3层相连接的LSTM网络和1层用于对输出结果降维的普通神经网络。
5.根据权利要求1所述的一种辅助流量预测控制方法，其特征在于，所述流量预测模型为了防止过度拟合，设定了每一层网络节点的舍弃率。
6.根据权利要求1所述的一种辅助流量预测控制方法，其特征在于，所述流量预测模型使用了RMSprop算法作为权重参数的迭代更新方式。
7.根据权利要求1所述的一种辅助流量预测控制方法，其特征在于，所述流量预测模型使用了均方误差的计算方法来确定误差。
8.根据权利要求1所述的一种辅助流量预测控制方法，其特征在于，所述路径选择模型包括4层分别设置参数的LSTM网络。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被计算机执行以实现根据权利要求1至8任意一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，该电子设备可实现如权利要求1至8任意一项所述的方法。
