本發(fā)明公開了基于流量預(yù)測與深度強(qiáng)化學(xué)習(xí)的虛擬資源動態(tài)擴(kuò)縮容方法，包括：S1：獲取5G核心網(wǎng)的歷史指標(biāo)數(shù)據(jù)和網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)，并對所述歷史指標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗；S2：將數(shù)據(jù)清洗后的所述歷史指標(biāo)數(shù)據(jù)輸入LSTM模型進(jìn)行訓(xùn)練和預(yù)測，得到預(yù)測結(jié)果；S3：將所述預(yù)測結(jié)果和所述網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)輸入到Priority?DQN算法進(jìn)行決策，輸出AMF決策結(jié)果。本發(fā)明將虛擬資源的動態(tài)擴(kuò)縮容問題具象為對于AMF單元的擴(kuò)縮容問題，將LSTM預(yù)測與基于優(yōu)先級的DQN方法相結(jié)合，既保證了對核心網(wǎng)流量數(shù)據(jù)的提前感知，減少響應(yīng)延遲并解決靜態(tài)閾值下的決策震蕩問題，又實(shí)現(xiàn)了在線學(xué)習(xí)的自演進(jìn)過程，更好地適應(yīng)5G核心網(wǎng)環(huán)境這一場景。