基于历史数据概率分析的动态网络拓扑预测方法与系统

1.一种基于历史数据概率分析的动态网络拓扑预测方法，其特征在于，所述方法包括：步骤S1、获取网络中各个实体的历史探测数据，以形成所述网络中各个实体的索引矩阵；所述实体为所述网络中的物理节点，所述历史探测数据包括通过探测得到的表征所述实体在历史周期内活跃状态的数据以及所述实体的属性值；步骤S2、基于所述索引矩阵训练所述各个实体的预测概率模型，以确定所述各个实体的预测概率模型参数矩阵；每个所述实体对应一个预测概率模型，所述预测概率模型参数矩阵为由周期关联的预测概率模型参数组成的矩阵；步骤S3、根据外部输入的预测时刻，利用所述各个实体的预测概率模型以及对应的所述预测概率模型参数矩阵预测所述各个实体在所述预测时刻的活跃状态，基于处于所述活跃状态的实体的属性值建立所述网络在所述预测时刻所述处于所述活跃状态的实体的网络拓扑视图；其中，在所述步骤S1中：在网络实体数据库D中存储P个实体的共Q条历史探测数据，将所述Q条历史探测数据的存储位置记为D i ，1≤i≤Q，所述实体记为O j ，1≤j≤P，所述实体记为O j 具有m j 条历史探测数据，则所述实体O j 的索引向量A S（ O j） 表征为： ；其中，D 1（ O j） 表示所述实体O j 的第1条历史探测数据的存储位置，D 2（ O j） 表示所述实体O j 的第2条历史探测数据的存储位置，以此类推，D mj（ O j） 表示所述实体O j 的第m j 条历史探测数据的存储位置；获取所述各个实体的索引向量，将每个所述实体的索引向量按行排列，得到所述网络中各个实体的索引矩阵A S ，每个所述实体的索引向量的长度不完全相等。 2.根据权利要求1所述的一种基于历史数据概率分析的动态网络拓扑预测方法，其特征在于，在所述步骤S2中：对所述实体O j ，根据索引向量A S（ O j） 读取其存储在所述网络实体数据库D中的m j 条历史探测数据，基于读取到的历史探测数据中的属性值，确定与所述实体O j 对应的预测概率模型；基于读取到的历史探测数据中的表征所述实体O j 在所述历史周期内活跃状态的数据，训练与所述实体O j 对应的预测概率模型X j ，以得到所述所述实体O j 的预测概率模型参数向量C j ；所述预测概率模型参数向量C j 包括状态概率预测计算参数C j1 和状态概率阈值C j2 ，获取所述各个实体的预测概率模型参数向量，将每个所述实体的预测概率模型参数向量按行排列，则所述预测概率模型参数矩阵A C 。 3.根据权利要求2所述的一种基于历史数据概率分析的动态网络拓扑预测方法，其特征在于，在所述步骤S3中：从所述外部输入的预测时刻中提取出预测时刻点，并形成预测时刻点参数N t ，基于所述预测时刻点参数N t 和所述预测概率模型参数矩阵A C 包含的所述各个实体的预测概率模型参数向量C j 中的状态概率预测计算参数C j1 ，利用所述各个实体经训练的预测概率模型，计算所述各个实体的预测状态概率P j ，将每个所述实体的预测状态概率按行排列，以形成预测状态概率矩阵A P ；将所述预测状态概率矩阵A P 中的预测状态概率P j 与对应的实体的预测概率模型参数向量C j 中的状态概率阈值C j2 进行比对，当所述预测状态概率P j 不小于所述状态概率阈值C j2 时，判定所述实体O j 在所述预测时刻处于活跃状态；根据所述处于所述活跃状态的实体的索引向量读取存储在所述网络实体数据库D的历史探测数据中包含的属性值，确定与所述处于所述活跃状态的实体之间的关联关系，并基于所述关联关系生成网络拓扑链路，以形成所述网络拓扑视图。 4.一种基于历史数据概率分析的动态网络拓扑预测系统，其特征在于，所述系统包括：第一处理单元，被配置为：获取网络中各个实体的历史探测数据，以形成所述网络中各个实体的索引矩阵；所述实体为所述网络中的物理节点，所述历史探测数据包括通过探测得到的表征所述实体在历史周期内活跃状态的数据以及所述实体的属性值；第二处理单元，被配置为：基于所述索引矩阵训练所述各个实体的预测概率模型，以确定所述各个实体的预测概率模型参数矩阵；每个所述实体对应一个预测概率模型，所述预测概率模型参数矩阵为由周期关联的预测概率模型参数组成的矩阵；第三处理单元，被配置为：根据外部输入的预测时刻，利用所述各个实体的预测概率模型以及对应的所述预测概率模型参数矩阵预测所述各个实体在所述预测时刻的活跃状态，基于处于所述活跃状态的实体的属性值建立所述网络在所述预测时刻所述处于所述活跃状态的实体的网络拓扑视图；其中，所述第一处理单元被配置为：在网络实体数据库D中存储P个实体的共Q条历史探测数据，将所述Q条历史探测数据的存储位置记为D i ，1≤i≤Q，所述实体记为O j ，1≤j≤P，所述实体记为O j 具有m j 条历史探测数据，则所述实体O j 的索引向量A S（Oj） 表征为： ；其中，D 1（Oj） 表示所述实体O j 的第1条历史探测数据的存储位置，D 2（Oj） 表示所述实体O j 的第2条历史探测数据的存储位置，以此类推，D mj（Oj） 表示所述实体O j 的第m j 条历史探测数据的存储位置；获取所述各个实体的索引向量，将每个所述实体的索引向量按行排列，得到所述网络中各个实体的索引矩阵A S ，每个所述实体的索引向量的长度不完全相等。 5.根据权利要求4所述的一种基于历史数据概率分析的动态网络拓扑预测系统，其特征在于，所述第二处理单元被配置为：对所述实体O j ，根据索引向量A S（Oj） 读取其存储在所述网络实体数据库D中的m j 条历史探测数据，基于读取到的历史探测数据中的属性值，确定与所述实体O j 对应的预测概率模型；基于读取到的历史探测数据中的表征所述实体O j 在所述历史周期内活跃状态的数据，训练与所述实体O j 对应的预测概率模型X j ，以得到所述所述实体O j 的预测概率模型参数向量C j ；所述预测概率模型参数向量C j 包括状态概率预测计算参数C j1 和状态概率阈值C j2 ，获取所述各个实体的预测概率模型参数向量，将每个所述实体的预测概率模型参数向量按行排列，则所述预测概率模型参数矩阵A C 。 6.根据权利要求5所述的一种基于历史数据概率分析的动态网络拓扑预测系统，其特征在于，所述第三处理单元被配置为：从所述外部输入的预测时刻中提取出预测时刻点，并形成预测时刻点参数N t ，基于所述预测时刻点参数N t 和所述预测概率模型参数矩阵A C 包含的所述各个实体的预测概率模型参数向量C j 中的状态概率预测计算参数C j1 ，利用所述各个实体经训练的预测概率模型，计算所述各个实体的预测状态概率P j ，将每个所述实体的预测状态概率按行排列，以形成预测状态概率矩阵A P ；将所述预测状态概率矩阵A P 中的预测状态概率P j 与对应的实体的预测概率模型参数向量C j 中的状态概率阈值C j2 进行比对，当所述预测状态概率P j 不小于所述状态概率阈值C j2 时，判定所述实体O j 在所述预测时刻处于活跃状态；根据所述处于所述活跃状态的实体的索引向量读取存储在所述网络实体数据库D的历史探测数据中包含的属性值，确定与所述处于所述活跃状态的实体之间的关联关系，并基于所述关联关系生成网络拓扑链路，以形成所述网络拓扑视图。 7.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1-3任一项所述的一种基于历史数据概率分析的动态网络拓扑预测方法中的步骤。 8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1-3任一项所述的一种基于历史数据概率分析的动态网络拓扑预测方法中的步骤。