[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

本發明公開了一種移動通信網絡流量預測方法、裝置及可讀存儲介質，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，能有效解決現有技術建模維度單一的問題，能有效提高模型的預測準確性和適用范圍。

技術領域

本發明涉及通信技術、機器學習技術領域，尤其涉及一種移動通信網絡流量預測方法、裝置及可讀存儲介質。

背景技術

隨著移動通信網絡的快速發展，目前的網絡規模變得越來越龐大。快速發展的信息技術使得網絡流量行為日趨復雜，通過網絡傳輸的視頻、音頻、圖像數據和其他網絡應用業務不斷增多，因此對網絡服務過程中的服務質量和網絡安全等相關性能也有了更多的要求，如何對網絡中的業務流量變化規律進行分析和預測研究,成為未來網絡研究的一個重要方向。通過網絡流量預測，可為網絡管理、規劃和維護提供依據。

現有方案使用流量的時間序列數據，只反映了流量的周期性，歷史趨勢等特征，當流量受外界因素影響，周期性產生變化時，模型預測誤差較大。

發明內容

本發明實施例提供一種移動通信網絡流量預測方法、裝置及可讀存儲介質，能有效解決現有技術建模維度單一的問題，能有效提高模型的預測準確性和適用范圍。

本發明一實施例提供一種移動通信網絡流量預測方法，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。

作為上述方案的改進，所述方法還包括對所述預設日期的用戶數據的劃分步驟：

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。

作為上述方案的改進，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。

作為上述方案的改進，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；