本公開涉及大數據，尤其涉及一種流量指標預測方法、裝置、電子設備及存儲介質。
背景技術：
1、自網絡發展以來，用戶對無線流量的需求持續增長，但小區網絡有時無法滿足這些需求，導致網絡速度下降，嚴重影響用戶體驗。為應對網絡流量的激增，通常基于業務經驗進行網絡設備的擴容，以確保滿足用戶的需求，減少網絡堵塞的發生，提升用戶體驗，并減少因網速慢引起的用戶投訴和流失。
2、因此，準確預測流量使用情況，實現設備的精確擴容，不僅是保證用戶體驗的關鍵，也有助于網絡資源的節約。
技術實現思路
1、本公開提出了一種流量指標預測方法、裝置、電子設備、存儲介質以及計算機程序產品，旨在至少在一定程度上解決相關技術中的技術問題。
2、本公開第一方面實施例提出了一種流量指標預測方法，包括：獲取歷史業務數據序列；從歷史業務數據序列中確定待預測指標；將歷史業務數據序列輸入至預先訓練得到的分層時序因果網絡預測模型htcnp中，以獲取htcnp輸出的與待預測指標對應的目標預測結果。
3、本公開第二方面實施例提出了一種流量指標預測裝置，包括：第一獲取模塊，用于獲取歷史業務數據序列；確定模塊，用于從歷史業務數據序列中確定待預測指標；第二獲取模塊，用于將歷史業務數據序列輸入至預先訓練得到的分層時序因果網絡預測模型htcnp中，以獲取htcnp輸出的與待預測指標對應的目標預測結果。
4、本公開第三方面實施例提出了一種電子設備，包括：處理器；用于存儲處理器可執行指令的存儲器；其中，處理器被配置為執行指令，以實現流量指標預測方法。
5、本公開第四方面實施例提出了一種計算機可讀存儲介質，當計算機可讀存儲介質中的指令由電子設備的處理器執行時，使得電子設備能夠執行流量指標預測方法。
6、本公開第五方面實施例提出了一種計算機程序產品，包括計算機程序，其特征在于，計算機程序被處理器執行流量指標預測方法。
7、本實施例提出的流量指標預測方法、裝置、電子設備、存儲介質以及計算機程序產品至少具有以下有益效果：獲取歷史業務數據序列；從歷史業務數據序列中確定待預測指標，將歷史業務數據序列輸入至預先訓練得到的分層時序因果網絡預測模型htcnp中，以獲取htcnp輸出的與待預測指標對應的目標預測結果，由于htcnp模型通過結合因果推斷測試和深度學習技術，能夠提供更為精準和可解釋的預測結果，從而能夠有效地提升流量指標預測效果。
8、本公開附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本公開的實踐了解到。
1.一種流量指標預測方法，其特征在于，所述方法包括：
2.如權利要求1所述的方法，其特征在于，所述將所述歷史業務數據序列輸入至預先訓練得到的分層時序因果網絡預測模型htcnp中，以獲取所述htcnp輸出的與所述待預測指標對應的目標預測結果，包括：
3.如權利要求2所述的方法，其特征在于，所述根據所述待預測指標，所述第一檢測結果和所述歷史業務數據序列，確定目標業務數據序列，包括：
4.如權利要求3所述的方法，其特征在于，所述根據所述第一檢測結果和所述歷史業務數據序列，確定第一業務數據序列，包括：
5.如權利要求3所述的方法，其特征在于，所述根據所述第一業務數據序列、所述相似度和所述第二業務數據序列，確定所述目標業務數據序列，包括：
6.如權利要求3所述的方法，其特征在于，所述從所述第一業務數據序列中確定與所述待預測指標具有因果關系的第二業務數據序列，包括：
7.如權利要求2所述的方法，其特征在于，所述將所述目標業務數據序列輸入至預先訓練得到的分層時序因果網絡預測模型htcnp中，以獲取所述htcnp輸出的與所述待預測指標對應的目標預測結果，包括：
8.如權利要求1-7所述的方法，其特征在于，所述歷史業務數據包括以下至少一項：
9.一種流量指標預測裝置，其特征在于，所述裝置包括：
10.一種電子設備，其特征在于，包括：
11.一種計算機可讀存儲介質，當所述計算機可讀存儲介質中的指令由電子設備的處理器執行時，使得所述電子設備能夠執行如權利要求1-8中任一項所述的方法。
12.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-8中任一項所述的方法。