[發明專利]一種移動通信網絡流量預測方法、裝置及可讀存儲介質

有效

• 申請號: 201811543654.3
• 申請日: 2018-12-17
• 公開（公告）號: CN109495318B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 梁峰;梁勇華;傅宇;羅宏賢;葉超海;溫勇
• 申請（專利權）人: 宜通世紀科技股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04W24/06;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

1.一種移動通信網絡流量預測方法，其特征在于，包括：

根據采集到的預設日期的用戶數據，采用預設的填補數據預測模型獲取填補數據；其中，所述填補數據為預設日期至待預測日期之間的時間閾值的用戶數據，所述用戶數據為流量值和用戶數的時間序列數據；

根據所述填補數據和外部數據，得到特征集；其中，所述外部數據包括所述待預測日期的類型及天氣數據；

根據所述特征集對預先建立的機器學習模型進行訓練，得到流量預測模型；

將所述待預測日期輸入到所述流量預測模型，得到流量預測值；

其中，所述方法還包括根據日期的類型對所述預設日期的用戶數據劃分的步驟，且所述日期的 類型包括節假日和自然日，所述節假日為法定節假日，包含元旦、春節、清明節、勞動節、端午節、中秋節及國慶節；所述自然日為剔除節假日后的正常工作日和雙休日，所述根據日期的類型對所述預設日期的用戶數據劃分的步驟具體包括：

將采集到的所述預設日期的用戶數據劃分為節假日序列和自然日序列；

將所述節假日序列劃分為節假日流量時間序列和節假日用戶數時間序列；

將所述自然日序列劃分為自然日流量時間序列和自然日用戶數時間序列；

其中，所述方法還包括所述填補數據預測模型的構建步驟：

所述填補數據預測模型包括節假日流量預測模型、節假日用戶數預測模型、自然日流量預測模型及自然日用戶數預測模型；

根據所述節假日流量時間序列對預先建立的機器學習算法進行訓練，得到節假日流量預測模型；

根據所述節假日用戶數時間序列對所述機器學習算法進行訓練，得到節假日用戶數預測模型；

根據所述自然日流量時間序列對所述機器學習算法進行訓練，得到自然日流量預測模型；

根據所述自然日用戶數時間序列對所述機器學習算法進行訓練，得到自然日用戶數預測模型；

其中，所述根據采集到的預設日期的用戶數據，采用預設的填補數據預測模型獲取填補數據，具體包括：

采用爬蟲系統，對待預測日期的類型進行判斷；

根據所述待預測日期的類型，確定待填補日期閾值；

將所述待填補日期閾值輸入所述待預測日期的類型對應的填補數據預測模型進行預測，得到填補數據；

其中，所述根據所述填補數據和外部數據，得到特征集，具體為：

根據所述填補數據，計算流量值和用戶數的相關特征值；

根據爬蟲系統爬取所述待預測日期的類型、天氣數據作為外部數據；

根據所述相關特征值和所述外部數據，生成特征集。

2.如權利要求1所述的移動通信網絡流量預測方法，其特征在于，所述將所述待填補日期閾值輸入所述待預測日期的類型對應的所述填補數據預測模型進行預測，得到填補數據，具體包括：

當判斷到所述待預測日期為節假日時，將所述預設日期至所述待預測日期之間的時間閾值中所有節假日的日期集合作為所述待填補日期閾值；

將所述待填補日期閾值輸入到所述節假日流量預測模型和節假日用戶數預測模型，得到填補數據。

3.如權利要求1所述的移動通信網絡流量預測方法，其特征在于，所述根據所述特征集對預先建立的機器學習模型進行訓練，得到流量預測模型，具體為：

將所述預設日期的用戶數據作為訓練樣本；

將所述特征集輸入預先建立的機器學習模型，并根據所述訓練樣本對所述機器學習模型進行訓練；

采用所述訓練樣本對訓練得到的機器學習模型進行參數調優，得到流量預測模型。