[發明專利]基于先驗知識的自適應話務量中長期預測方法

無效

• 申請號: 200910312901.3
• 申請日: 2009-12-31
• 公開（公告）號: CN101801004A
• 公開（公告）日: 2010-08-11
• 發明（設計）人: 彭宇;雷苗;郭嘉;劉大同;王建民;彭喜元
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W24/08
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 張宏威

技術領域

本發明涉及移動通信話務量預測領域，具體涉及乘積季節求和自回歸滑動平均模型預測方法。

背景技術

隨著計算機科學技術的不斷發展，知識和數據的獲取變得越來越容易，呈爆炸性增長，有效挖掘已知歷史數據、提取數據特征和通過已知歷史序列進行未來狀態的預測，使得數據挖掘變成時下的熱點問題之一，與此同時，預測技術成為時間序列數據挖掘的重點內容，吸引越來越多研究者的關注，移動通信話務量的大小在一定程度上體現了話音信道被占用的強度。移動通信話務量數據預測對于移動網絡的維護以及移動通信的決策具有重要的價值。

目前移動通信用戶數和話務量保持著高速增長的勢頭，移動網絡長久、穩定的運行，依賴于及時、有效的網絡規劃與優化。移動通信話務量超過一定容量時，極易造成交換系統過載，出現網絡擁塞，給移動通信運營商和用戶造成不可彌補的損失。因此，根據話務統計資料和其他業務信息對移動通信話務量的變化趨勢進行預測，可以為通信系統運營過程中的峰值預警、基站配置、信道優化利用等問題提供決策支持。

話務量作為時間序列數據的一種，其預測方法可以追溯到時間序列預測的一般方法。時間序列預測就是根據已有的記錄數據，在一定精度范圍內預報未來行為。目前，時間序列預測技術是進行移動通信話務量數據預測的一種有效方法。針對移動通信話務量的中長期預測需求，采用乘積季節求和自回歸滑動平均模型方法進行預測。

現有采用乘積季節求和自回歸滑動平均模型進行時間序列預測的基本原理為：

對一個線性系統，輸入白噪聲序列a_t，輸出一個平穩序列x_t，輸入輸出關系可以表示為自回歸滑動平均模型，將時間序列x_t表示為當前時間之前的序列值、白噪聲的過去值以及當前值的加權和的形式。

x_t＝φ₁x_t-1+φ₂x_t-2+…+φ_px_t-p+a_t+θ₁a_t-1+…+θ_qa_t-q????(1)

稱為自回歸滑動平均(AutoRegressive-Moving?Average)模型，記為ARMA(p，q)。

對于某些時間序列，進行d階差分后，符合自回歸滑動平均模型，這類模型稱為求和自回歸滑動平均模型。模型結構如下：

Φ(B)▿dxt=Θ(B)at---(2)]]>

其中：

Φ(B)＝1-φ₁B-φ₂B²-…-φ_qB^q

Θ(B)＝1+θ₁B+θ₂B²+…+θ_qB^q????(3)

稱為求和自回歸滑動平均(AutoRegressive-Integrated?Moving?Average)模型，記為ARIMA(p，d，q)。

對于一些具有周期變化特點時間序列，采用延遲差分的方法處理后符合自回歸滑動平均模型，這類模型稱為季節求和自回歸滑動平均模型；模型結構如下：