provision-aware-predictions
收藏资源简介：
该数据集是供应感知流量预测研究的预测输出成果，专注于非对称损失函数和符合性容量带的研究。数据集包含三个网络流量数据集（Abilene、GÉANT、CESNET-TimeSeries24）的预测结果，这些结果由六种预测架构（LSTM、DLinear、iTransformer、PatchTST、Chronos-Bolt零样本、DCRNN）生成，每种架构包含20个不同的随机种子。此外，数据集还包括用于CQR/ACI校准扫描的分位数训练带预测，针对三个目标覆盖率（0.05、0.10、0.20）。数据集采用分层文件结构组织，包含五种不同的扫描类型：非对称平方损失扫描、L1非对称损失扫描、基线模型输出、校准参数扫描以及特定硬件条件下的训练结果。每个.npz文件包含测试集预测值、验证集预测值、对应的地面真实链路负载数据，对于校准单元还包含分位数训练带的上边界。该数据集旨在支持网络流量预测、容量规划、符合性预测和时间序列分析等任务，为研究非对称损失函数和预测不确定性量化提供标准化的模型输出。数据集不包含原始流量数据，但提供了原始数据来源的指引。
This dataset is the predictive output of the Supply-Aware Traffic Forecasting research, focusing on asymmetric loss functions and compliance capacity bands. It contains prediction results from three network traffic datasets (Abilene, GÉANT, CESNET-TimeSeries24), generated by six forecasting architectures (LSTM, DLinear, iTransformer, PatchTST, Chronos-Bolt zero-shot, DCRNN), each with 20 different random seeds. Additionally, the dataset includes quantile training band predictions for CQR/ACI calibration scans, targeting three coverage levels (0.05, 0.10, 0.20). The dataset is organized in a hierarchical file structure with five different scan types: asymmetric squared loss scan, L1 asymmetric loss scan, baseline model outputs, calibration parameter scans, and training results under specific hardware conditions. Each .npz file contains test set predictions, validation set predictions, corresponding ground-truth link load data, and for calibration units, the upper bound of the quantile training band. The dataset aims to support tasks such as network traffic forecasting, capacity planning, compliance prediction, and time series analysis, providing standardized model outputs for research on asymmetric loss functions and prediction uncertainty quantification. It does not include raw traffic data but provides guidance on original data sources.
数据集概述
数据集名称：Provisioning-Aware prediction artifacts（Provisioning-aware 预测工件）
许可证：CC-BY-4.0
标签：网络流量预测、容量规划、保形预测、时间序列
一句话描述：该数据集包含《Provisioning-Aware Traffic Forecasting》研究中所有结果表格和图表的重现所需的预测输出，是论文的规范性复现路径。
数据集内容
预测工件覆盖范围
- 3 个网络流量数据集：Abilene、GÉANT、CESNET-TimeSeries24
- 6 种预测架构：
- LSTM
- DLinear
- iTransformer
- PatchTST
- Chronos-Bolt（零样本）
- DCRNN
- 20 个随机种子
- 此外，还包含针对 CQR/ACI 校准扫描的分位数训练带预测（LSTM，3 个目标覆盖率）
文件组织结构
每个数据集对应多种扫描类型，目录结构为：
<dataset><sweep>/<cell>/seed<N>/<model>_predictions.npz
扫描类型说明：
| 扫描目录 | 内容 |
|---|---|
<ds>_pareto_asym |
平方非对称损失扫描（针对不同的运营商比率） |
<ds>_pareto_asym_l1 |
尖点线性（L1）非对称损失扫描（针对不同的比率） |
<ds>_baselines |
DCRNN 和 Chronos-Bolt 基线（非对称比率 5:1） |
<ds>_calib_pareto |
CQR / ACI 校准扫描，包含 q_lo 和 q_hi 带训练（目标覆盖率 0.05 / 0.10 / 0.20） |
abilene_patchtst_cpu |
PatchTST / Abilene 组合（因 MPS 限制在 CPU 上训练） |
cell 可以是：
- 运营商比率名称（如
ratio_5_1） - 基线标签（如
baseline_mse） - 目标覆盖率标签（如
alpha_0.10）
每个 cell 下包含 20 个按种子划分的子目录。
工件文件内容
每个 .npz 文件包含：
predictions：测试集预测结果(T_test, num_links)L_test_aligned：测试集真实链路负载(T_test, num_links)val_predictions：验证集上的预测结果L_val_aligned：验证集上的真实链路负载
对于校准扫描单元格，还额外包含 _qlo 和 _qhi 变体，分别对应 CQR 和 ACI 使用的分位数训练带边缘。
模型
- 参考检查点托管在独立模型仓库：SuryanshSS1011/provisioning-aware-checkpoints
- 检查点为训练结束时的权重示例，并非复现路径；本数据集中的预测工件才是规范性复现工件。
数据来源
- Abilene：来自德克萨斯大学奥斯汀分校，其条款未明确允许重新分发
- GÉANT：来自 TOTEM 项目，其条款未明确允许重新分发
- CESNET-TimeSeries24：采用 CC-BY 许可证（Koumar 等，Sci. Data 12:338, 2025），用户需直接从原始来源获取
本数据集不包含原始流量数据，但代码仓库中提供了加载和预处理这三个数据集的脚本。
引用
请参考代码仓库的 README 文件获取相关论文和数据集的引用信息。
