[發(fā)明專(zhuān)利]空天地一體網(wǎng)絡(luò)下基于自回歸的多維資源預(yù)測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110477686.3
• 申請(qǐng)日: 2021-04-29
• 公開(kāi)（公告）號(hào): CN113365299B
• 公開(kāi)（公告）日: 2022-12-09
• 發(fā)明（設(shè)計(jì)）人: 曲樺;趙季紅;朱召鵬;劉建生;呼昱;王濤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安交通大學(xué)
• 主分類(lèi)號(hào): H04W24/06
• 分類(lèi)號(hào): H04W24/06;H04W72/04;G06F17/15;G06F17/18
• 代理公司: 西安通大專(zhuān)利代理有限責(zé)任公司 61200
• 代理人: 賀小停

1.空天地一體網(wǎng)絡(luò)下基于自回歸的多維資源預(yù)測(cè)方法，其特征在于，包括以下步驟：

獲得資源連續(xù)m個(gè)周期的統(tǒng)計(jì)數(shù)據(jù)，作為原始序列數(shù)據(jù)，對(duì)原始序列數(shù)據(jù)作白噪聲檢驗(yàn)，若判定序列為白噪聲，建模結(jié)束，否則對(duì)序列作平穩(wěn)性檢驗(yàn)；

檢驗(yàn)判定為非平穩(wěn)序列，則進(jìn)行序列的平穩(wěn)化處理，進(jìn)行建模；平穩(wěn)化處理為通過(guò)差分方法消除序列里均值特征的變化特性；

對(duì)模型進(jìn)行識(shí)別，通過(guò)優(yōu)化目標(biāo)函數(shù)估計(jì)其最優(yōu)參數(shù)；

檢驗(yàn)?zāi)Ｐ偷倪m用性，若檢驗(yàn)通過(guò)，則得到擬合模型并對(duì)序列做預(yù)測(cè)；否則重復(fù)估計(jì)模型的最優(yōu)參數(shù)；

對(duì)模型進(jìn)行識(shí)別具體為：對(duì)得到的周期序列計(jì)算偏自相關(guān)系數(shù)，根據(jù)偏自相關(guān)系數(shù)的截尾性，即PACF(k)在kp時(shí)變?yōu)?，判斷該序列對(duì)應(yīng)的自回歸模型階數(shù)為p；

資源對(duì)應(yīng)的自回歸模型為：

c_t＝α₁c_t-1+α₂c_t-2+…+α_pc_t-p+ε_t

其中，等式左側(cè)中c_t為待預(yù)測(cè)的資源值，右側(cè)中c_i為周期序列中第i個(gè)觀測(cè)值，α_i為該項(xiàng)對(duì)應(yīng)系數(shù)，ε_t為干擾噪聲；

最優(yōu)參數(shù)估計(jì)具體為：

對(duì)于某資源c而言，對(duì)c_j的誤差方差引入權(quán)重因子：

當(dāng)緩存越小，權(quán)重因子θ越大，代入自回歸誤差函數(shù)中：

是一個(gè)常數(shù)，c_j0，上式等價(jià)于：

記：

代入上式中：

F(α)＝(A-Bα)^T(A-Bα)＝A^TA-2A^TBα+α^TB^TBα

求導(dǎo)并求零點(diǎn)得：

即資源自回歸模型對(duì)應(yīng)的最優(yōu)參數(shù)估計(jì)。

2.根據(jù)權(quán)利要求1所述的空天地一體網(wǎng)絡(luò)下基于自回歸的多維資源預(yù)測(cè)方法，其特征在于，通過(guò)控制器獲得某資源連續(xù)m個(gè)周期的統(tǒng)計(jì)數(shù)據(jù)：時(shí)間序列T_1、T_2、T_3至T_m序列數(shù)據(jù)，在m個(gè)時(shí)間序列中，以距離周期起始時(shí)刻相同的時(shí)間間隔采集共m個(gè)數(shù)據(jù)，將得到的數(shù)據(jù)按照所處周期的排序進(jìn)行排列得到周期序列，對(duì)時(shí)間序列的n個(gè)時(shí)刻的數(shù)據(jù)截取后重排得到n個(gè)周期序列。

3.根據(jù)權(quán)利要求1所述的空天地一體網(wǎng)絡(luò)下基于自回歸的多維資源預(yù)測(cè)方法，其特征在于，進(jìn)行模型的檢驗(yàn)分為兩部分：有效性檢驗(yàn)和顯著性檢驗(yàn)；有效性檢驗(yàn)是檢驗(yàn)擬合模型對(duì)序列信息的提取是否充分，顯著性檢驗(yàn)是檢驗(yàn)?zāi)Ｐ椭懈鲄?shù)是否顯著為0，以判斷是否可以進(jìn)一步精簡(jiǎn)模型。

4.根據(jù)權(quán)利要求3所述的空天地一體網(wǎng)絡(luò)下基于自回歸的多維資源預(yù)測(cè)方法，其特征在于，驗(yàn)證后的算法模型對(duì)未來(lái)一段時(shí)間各項(xiàng)資源的值進(jìn)行預(yù)測(cè)：上述的算法為帶權(quán)重的自回歸算法ARM算法。