[发明专利]通信网络负荷预测方法、装置及服务器

权利要求书

1.一种通信网络负荷预测方法，其特征在于，包括：

获取通信网络内多个小区的网络特征数据集合，并对每个小区的网络特征数据集合进行聚合，获得每个小区的均值特征数据；

对所有小区的均值特征数据进行聚类分析，获得多组不同类别的训练样本集合，其中每个训练样本集合中包含多个同类型小区的均值特征数据；

分别根据每组训练样本集合对模型进行训练，获得多个不同类型的小区负荷预测模型；

根据每个小区对应的小区负荷预测模型获得小区的网络预测负荷，并根据所述通信网络内所有小区的网络预测负荷确定所述通信网络的网络预测负荷。

2.根据权利要求1所述的方法，其特征在于，所述对所有小区的均值特征数据进行聚类分析，获得多组不同类型的训练样本集合，包括；

将每个小区的均值特征数据作为一个节点，根据两个节点各自对应的值特征数据确定两个节点之间的相似度；

根据任意两个节点之间的相似度获得节点关系图，并根据标签传播算法对节点关系图进行分析，获得多个节点子集合；

将同属于一个节点子集合的所有节点作为一组训练节点，并分别根据每组训练节点对应的小区的均值特征数据，获得多组不同类型的训练样本集合。

3.根据权利要求2所述的方法，其特征在于，所述根据两个节点各自对应的值特征数据确定两个节点之间的相似度，包括：

若小区i的特征为x_i＝[x_i1,x_i2,…,x_in]，小区j的特征为x_j＝[x_j1,x_j2,…,x_jn]，则计算小区i和小区j对应的两个节点之间相似度w_i,j的公式为：

其中，n为小区均值特征数据的特征维度，σ为常数，k为大于0、小于或者等于n的正整数。

4.根据权利要求1所述的方法，其特征在于，所述获取通信网络内多个小区的网络特征数据集合，包括：

按照预设时间间隔获取通信网络内多个小区的网络特征数据；

根据小区识别码对所述多个小区的网络特征数据进行分组，获得每个小区的网络特征数据集合。

5.根据权利要求1所述的方法，其特征在于，在所述获取通信网络内多个小区的网络特征数据集合之后，还包括：

对每个小区的网络特征数据集合进行缺失值填充和异常值剔除处理，其中所述缺失值填充包括均值填充、最值填充和分位数填充中的至少一种。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述网络特征数据包括负荷指标和特征数据；

所述负荷指标包括小区流量、小区物理资源块PRB利用率或用户数量中的至少一种；

所述特征数据包含小区经纬度、小区频点、小区带宽、小区覆盖类型、小区地域类型、小区忙闲时、小区关键性能KPI指标、小区关键质量KQI指标及测量报告MR数据中的至少一种。

7.一种通信网络负荷预测装置，其特征在于，包括：

获取模块，用于获取通信网络内多个小区的网络特征数据集合，并对每个小区的网络特征数据集合进行聚合，获得每个小区的均值特征数据；

聚类模块，用于对所有小区的均值特征数据进行聚类分析，获得多组不同类别的训练样本集合，其中每个训练样本集合中包含多个同类型小区的均值特征数据；

训练模块，用于分别根据每组训练样本集合对模型进行训练，获得多个不同类型的小区负荷预测模型；

预测模块，用于根据每个小区对应的小区负荷预测模型获得小区的网络预测负荷，并根据所述通信网络内所有小区的网络预测负荷确定所述通信网络的网络预测负荷。