[发明专利]网络流量分析与预测方法和装置

说明书

技术领域

本发明涉及通信技术领域，特别是涉及一种网络流量分析与预测方法和装置。

背景技术

在通信网络优化中，网络流量分析与预测是非常重要的环节，对网络资源的优化配置具有重要意义。流量预测准确与否，预测结果的可解释性以及预测结果与实际流量数据是否相符，都直接影响网络的投资和建设规模，而对流量的前期分析是流量预测的关键，直接影响着流量预测的准确性。

现有技术中利用原始时间序列对流量进行分析，采用欧式距离度量时间序列之间的相似性，然后根据此相似性进行聚类；同时，预测流量时使用历史流量数据来预测未知流量数据，采用传统的回归预测法、时间序列分析等。

现有方法只重视时间序列在对应时点上取值的差异；采用欧氏距离度量时间序列之间的相似性，从而导致结果易受到个别时点上取值的影响，丧失了结果的稳健性；只利用了流量数据，从而导致预测的结果性能较差。

发明内容

基于上述情况，本发明提出了一种网络流量分析与预测方法，能够提高预测精度，对网络进行合理的资源配置。

为了实现上述目的，本发明的技术方案为：

一种网络流量分析与预测方法，包括以下步骤：

提取各个待测基站的流量时间序列的全局特征；

根据所提取的全局特征进行聚类；

根据所聚类的结果，采集流量数据的属性特征；

根据所述流量数据的属性特征和上一时刻的流量，进行流量预测。

针对现有技术问题，本发明还提出了一种网络流量分析与预测装置，改善现有流量分析稳健性差，流量预测精度低的问题，适合实际应用。

具体实现方式为：一种网络流量分析与预测装置，包括：

提取模块，用于提取各个待测基站的流量时间序列的全局特征；

聚类模块，用于根据所提取的全局特征进行聚类；

采集模块，用于根据所聚类的结果，采集流量数据的属性特征；

预测模块，用于根据所述流量数据的属性特征和上一时刻的流量，进行流量预测。

与现有技术相比，本发明的有益效果为：本发明网络流量分析与预测方法和装置，先提取各个待测基站的流量时间序列的全局特征；然后根据所提取的全局特征进行聚类；再根据所聚类的结果，采集流量数据的属性特征；最后根据所述流量数据的属性特征和上一时刻的流量，进行流量预测。使用本发明的技术后，提取时间序列的全局特征，用全局特征相似性来反映时间序列的相似性，抓住时间序列随时间变化的动态特征，得到更为合理的结果，同时通过用少量特征来描述大型时间序列，提高判定相似结果的稳健性，降低聚类计算过程中的复杂度；根据聚类结果采集与流量数据相关的各种属性特征，根据流量和属性特征共同预测流量数据，预测的信息量大，相应地提高了预测精度，对网络进行合理的资源配置。

附图说明

图1为一个实施例中网络流量分析与预测方法的流程示意图；

图2为一个实施例中网络流量分析与预测装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

一个实施例中网络流量分析与预测方法，如图1所示，所述方法包括：

步骤S101：提取各个待测基站的流量时间序列的全局特征；

步骤S102：根据所提取的全局特征进行聚类；

步骤S103：根据所聚类的结果，采集流量数据的属性特征；

步骤S104：根据所述流量数据的属性特征和上一时刻的流量，进行流量预测。

从以上描述可知，本方法根据流量和属性特征共同预测流量数据，提高网络流量预测精度，对网络进行合理的资源配置。

作为一个实施例，所述全局特征包括趋势性特征或季节性特征或峰度特征或偏度特征或自相关系数特征或非线性特征或频谱特征中任一项或多项。

作为一个实施例，所述流量时间序列通过按天采集各个待测基站的流量数据，连续采集半年得到。