[发明专利]基于先验知识的自适应话务量中长期预测方法

摘要

基于先验知识的自适应话务量中长期预测方法，涉及移动通信话务量预测领域，它解决了现有采用乘积季节求和自回归滑动平均模型进行移动通信话务量预测的过程中，由于选择预测参数的盲目性而导致建模预测速度慢和预测精度低的问题。本发明以先验知识划分四种类型话务量数据，分别以10天、30天和60天作为建模长度，以小时为时间尺度对话务量数据进行预测，根据预测精度确定三种典型预测长度下的最优建模长度；分别以天和周作为时间尺度，并采用最优建模长度对话务量数据进行预测，并根据预测精度选择三种典型预测长度对应的最优时间尺度，采用获得得最优时间尺度和最优建模长度作为建模参数对话务量进行预测。本发明应用于移动通信话务量预测领域。

主权项

基于先验知识的自适应话务量中长期预测方法，其特征是该方法由以下步骤完成：步骤一：对移动通信话务量数据进行缺失值预处理；获得进行缺失值处理后的话务量数据；步骤二：对步骤一获得的话务量数据进行时间尺度变换，分别获得时间尺度以天划分的话务量数据和时间尺度以周划分的话务量数据；步骤三：将话务量数据按照先验知识划分为四种不同类型话务量数据，所述四种不同类型的话务量数据分别为：交通主干线话务量数据、繁华商业区话务量数据、高等院校话务量数据和居民住宅区话务量数据；步骤四：分别以10天、30天和60天作为建模长度，以小时为时间尺度，在步骤三所述的四种不同类型话务量数据内分别随机抽取若干个小区的话务量数据，采用乘积季节求和自回归滑动平均模型对所述的若干个小区的话务量数据进行预测，获得三种建模长度下、四种不同类型话务量数据的预测精度；步骤五：根据步骤四获得的三种建模长度下、四种不同类型话务量数据的预测精度，通过比较分析，获得三种典型预测长度下，四种不同类土‹话务量数据对应的三个最优建模长度；步骤六：以天为时间尺度，以2天作为预测长度，采用步骤五获得的预测长度为48小时情况下，四种不同类型话务量数据所对应的最优建模长度，分别在四种不同类型话务量数据内随机抽取若干个小区对未来2天的话务量数据进行预测，并获得预测精度；步骤七：以周为时间尺度，以2周作为预测长度，采用步骤五获得的预测长度为168小时情况下，四种不同类型话务量数据所对应的最优建模长度，分别在四种不同类型话务量数据内随机抽取若干个小区对未来2周的话务量数据进行预测，并获得预测精度；步骤八：对比步骤五、步骤六和步骤七获得的在不同时间尺度下的预测精度，选择三种典型预测长度下、四种不同类型话务量数据对应的最优时间尺度；步骤九：在三种典型预测长度下，根据四种不同类型话务量数据，分别选取对应的步骤五的最优建模长度和步骤八获得的最优时间尺度作为建模参数，采用乘积季节求和自回归滑动平均模型对移动通信话务量进行预测，获得预测结果。