[发明专利]一种移动网络数据业务业务量的预测方法和装置

权利要求书

1.一种移动网络数据业务业务量的预测方法，其特征在于，所述方法包括下述步骤：

A：获取基于时间顺序的移动网络数据业务业务量历史值序列作为样本序列；

B：对所述样本序列进行自相似探测和多重分形探测，根据探测结果确定对所述样本序列的预测方法：

若所述样本序列不具有自相似特性，则根据ARMA模型对所述样本序列进行预测，获得预测值；若所述样本序列仅具有自相似特性不具有多重分形特性，则根据FARIMA模型对所述样本序列进行建模预测，获得预测值。

2.根据权利要求1所述的预测方法，其特征在于，所述方法还包括：

若所述样本序列具有自相似特性和多重分形特性，则消除所述样本序列的多重分形特性后，获得分支样本序列，依照所述步骤B对所述分支样本序列进行预测。

3.根据权利要求2所述的方法，其特征在于，所述消除所述样本序列的多重分形特性后获得分支样本序列的方法具体为：

依照数据业务业务量时间点分布特性分解所述具有多重分形特性的样本序列，得到多个分支序列；

对所述分支序列进行多重分形探测，若该分支序列已不具有多重分形特性，则不用继续分解；若该分支序列仍具有多重分形特性，则继续对其进行分解和探测，直到获得不具有多重分形特性的分支样本序列为止。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获得所述样本序列的自相似指数值H，根据H值确定样本序列的自相似特性；

计算所述具有自相似特性样本序列的多重分形谱，根据其多重分形谱开口△α确定所述样本序列是否具有多重分形特性。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

当与所述预测值相对应的实际值到达时，计算所述实际值和其对应预测值的误差值，组成残差序列；

获取所述残差序列的自相关函数ACF并对所述残差序列进行白噪声检验；

将所述实际值加入所述样本序列中组成新样本序列，获取所述新样本序列的自相似指数H’；

根据对所述残差序列的白噪声检验结果与所述新样本序列的自相似指数H’，确定新样本序列的适用预测模型，获得下一时间点的预测值。

6.根据权利要求5所述的方法，其特征在于，所述根据对残差序列的白噪声检验结果与所述新样本序列的自相似指数H’,确定新样本序列的适用预测模型，获得下一时间点的预测值的方法具体为：

若所述新样本序列的自相似指数H’与所述自相似指数H相同，且所述残差序列仍为白噪声，则针对新样本序列使用所述样本序列相同的预测方法对下一时间点的值进行预测；

若所述新样本序列的自相似指数H’与所述自相似指数H相同，且所述残差序列不是白噪声，则针对新样本序列进行多重分形后，针对所述经过分形后的序列使用原样本序列采用的模型对下一时间点的值进行预测；

若所述新样本序列的自相似指数H’与所述自相似指数H不同，则对所述新样本序列进行自相似长相关探测，根据所述探测结果结合所述新的自相似指数H’对新样本序列重新选择相应模型对下一时间点的值进行预测。

7.根据权利要求1-6中任一所述的方法，其特征在于，所述采用FARIMA模型对样本序列进行建模预测，获得预测值的方法具体为：

根据所述FARIMA模型结合所述样本序列X(t)的自相似指数H，计算其分数差分阶数d；

根据所述分数差分阶数d对所述样本序列进行分数差分得到序列Y(t)；

对所述分数差分序列Y(t)进行季节探测获得其周期系数，对其进行周期为n的季节差分，得到序列W(t)；

对所述序列W(t)进行ARMA建模预测，得出预测值。