摘要
本发明提供了一种用户终端流量预测方法、介质及系统，属于流量预测模型微调技术领域，包括：首先构建包含数学预测模块和卷积神经网络的通用流量预测基础模型。然后获取多个用户终端的历史流量数据,进行预处理并生成流量时序向量。对这些向量进行聚类分析,将用户划分为多个聚类簇。以聚类规模最大的簇作为基础,计算其他簇与之的聚类相似度。接下来,为每个聚类设置一个LORA微调模型,相似度越低的聚类,微调模型的参数规模越大。在训练好的通用基础模型基础上,针对每个聚类微调得到对应的LORA模型。对于待预测的用户终端,根据其流量时序向量确定所属聚类,并采用对应的LORA微调模型进行预测，有利于实现用户群体的个性化预测。
