本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，公開了一種網(wǎng)絡(luò)流量預(yù)測數(shù)據(jù)預(yù)處理階段的參數(shù)最優(yōu)化方法及系統(tǒng)，網(wǎng)絡(luò)流量預(yù)測數(shù)據(jù)預(yù)處理階段的參數(shù)最優(yōu)化方法包括：對數(shù)據(jù)集進(jìn)行改進(jìn)策略上的Q?Learning強(qiáng)化學(xué)習(xí)預(yù)處理；進(jìn)行基于流程壓縮的快速估值網(wǎng)絡(luò)模型的構(gòu)建；進(jìn)行基于混合精度的模型訓(xùn)練；進(jìn)行基于改進(jìn)Q?Learning的最優(yōu)化參數(shù)搜索。本發(fā)明提出了基于流程壓縮的快速估值網(wǎng)絡(luò)模型，基于流量預(yù)測模型出發(fā)，通過省略原模型中的預(yù)處理步驟并降低預(yù)測模型的訓(xùn)練代數(shù)的策略，構(gòu)建能夠用于快速估算回報(bào)值的網(wǎng)絡(luò)模型；提出基于混合精度的模型訓(xùn)練流程，通過壓縮數(shù)據(jù)尾款加快算法的計(jì)算性能，大幅度的提高了搜索最優(yōu)化非空值率參數(shù)的速度。