[发明专利]基于大数据统计模型的无线网络话务量预测方法

摘要

本发明公开了一种基于大数据统计模型的无线网络话务量预测方法，在无线网络中给定的一个小区中，无线网络话务量的预测可以通过将每一个话务测量值根据网络话务特征和移动用户行为特征分解为相应的趋势分量T(t)、季节性分量S(t)、突发分量B以及随机误差分量R，对各自分量的内在特征进行解析，各自预测后，最后通过公式X(t)=(1+B(t))×(T(t)+S(t)+R(t))重新组合还原成整体的预测值。本发明利用大数据的真实样本剖析出每个话务测量值的组成部分，将传统话务预测的测量值进行了更小粒度的分解，从而揭示了每个话务历史测量值分解过后的子特征，利用大数据技术，将海量历史数据利用合适的数据挖掘和机器学习算法，挖掘出无线网络的话务特征，从而为网络话务评估和预测提供了一整套系统化，准确率高的解决方案体系。

主权项

一种基于大数据统计模型的无线网络话务量预测方法，其特征在于在无线网络中给定的一个小区中，无线网络话务量的预测方法包括以下步骤：1）趋势分量T(t)的预测：11）建立趋势分量T(t)预测模型：将获取的无线网络话务量历史数据的测量时间序列分成m份，每段长度为n天，取置信度为95%，如果趋势分量历史数据呈现正态分布，确定其边界为u‑2σ和u + 2σ，来排除离群异常值；分段考虑每段上的数据，将每一段的起始无线网络话务量历史数据X_k和斜率Slope_k拟合为一条直线，在拟合过程中，保证每相邻两条拟合曲线首尾连续，将无线网络话务量历史数据作为训练样本进行建模，获得趋势分量T(t)预测模型：(1)；12）斜率Slope_k的修正：如果最近连续N个斜率不小于零，那么第N+1的斜率不应小于零，修正后斜率由下式表示：(2)，其中是可调节的，直到一个最佳常数时候使得真实值与拟合值的差距达到最小；13）趋势分量的预测：采用趋势分量的预测模型获得趋势分量的预测值；2）季节性分量S(t) 的预测：21）确定周期长度i：    设L是获取的无线网络话务量历史数据的时间序列长度，周期长度i=1～L/2，i分为j份，对于i=1,2...L/2，按下式计算出各i值下关于j的方差和值：（3）；    对于i=1,2,3…L/2，假设p为i内每段的采样点数目，定义p=L/i，构建p个样本数据集，每个样本数据集包含p中相同位置q上的所有样本，按下式计算出每个p的方差的和：（4）；选出使比值最小的i值即为无线网络话务量的周期性变化的长度；22）季节性分量S(t)的预测 ：    每个q位置处的季节分量可表示为p样本中相同位置q处的数据的平均值，按下式计算出q位置处的季节分量：（5）；3）突发分量B的预测： 突发分量B反映可疑资源指标或流量指标的测量值超过一个预定义的阈值的突发情况，突发分量的捕捉更依赖于大量历史数据中的突发分量的呈现后，按照突发分量的特征作出系统性的归纳；判断突发分量的标准是比较无线网络话务量历史数据与趋势分量的数值，如果百分比高于预定义的阈值，就确定这是一个突发点，集合所有无线网络话务量历史数据的突发：（6），根据突发分量的特征，找出指定小区的地理位置，为各种可能的节日、体育比赛,或集会确定近似区间，根据突发时间为突发类型匹配突发数值：（7），    观察在给定时间间隔内规律出现的突发情况，最终确认给定的突发是一个常规的，获得突发分量B：（8）；4）随机误差分量R的预测：    无线网络话务量历史数据减去趋势分量、季节性分量和突发分量即为随机误差分量的预估值；5）无线网络话务量X(t)的预测：    由上述分量的预测值通过下式获得无线网络话务量X(t)的预测值：X(t)=(1 + B(t))×(T(t)+ S(t)+ R(t))              （9）。