[发明专利]一种资源占用量的预测方法与预测系统

说明书

技术领域

本发明涉及移动通信技术领域，尤其涉及一种资源占用量的预测方法与预测系统。

背景技术

随着4G网络的快速发展，移动网络的数据业务流量迅猛增长，而且不断推出新形式的数据业务，给运营商的网络运营带来了前所未有的冲击。为了提高网络的承载能力，科学地规划未来的数据业务发展方向，需要科学准确地分析各数据业务对无线资源的占用情况。

由于数据业务的多样性、随机性和突发性等特点，对无线资源的占用不能像语音业务一样使用爱尔兰进行衡量和分析，但是如果在进行网络容量规划时不能充分估计数据业务的无线资源占用情况，将会影响用户使用感受。国内外现有方式往往不适用于LTE这种复杂维度数据的处理，不同的数据业务对无线资源的占用情况各不相同，如何更加科学地规划未来的数据业务发展比重，需要探寻业务与无线资源关联规律，从而进行预测和规划。

发明内容

本发明提供了一种资源占用量的预测方法与预测系统，解决了现有方式无法分析复杂业务数据对资源的占用情况，从而影响用户使用感受的问题。

为解决上述技术问题，本发明提供了一种资源占用量的预测方法，包括：

获取在历史时间段内的历史业务数据量，以及与所述历史业务数据量对应的历史资源占用量；

根据所述历史业务数据量、历史资源占用量，确定预测模型；

基于所述历史业务数据量，得到在待预测时间段内的预期业务数据量；

根据所述预期业务数据量，通过所述预测模型，得到在所述待预测时间段内的预期资源占用量。

在本发明的一种实施例中，在根据所述历史业务数据量、历史资源占用量，确定预测模型之前，还包括：

对所述历史业务数据量、历史资源占用量进行筛选，删除不合理的历史业务数据量及对应的历史资源占用量。

在本发明的一种实施例中，根据所述历史业务数据量、历史资源占用量，确定预测模型具体包括：

根据线性回归模型，对所述历史业务数据量、历史资源占用量进行拟合，计算线性回归拟合函数的回归系数；

根据所述回归系数，确定所述线性回归拟合函数，将所述线性回归拟合函数作为预测模型。

在本发明的一种实施例中，设f(x)为因变量，所述因变量为资源占用量，x为自变量，所述自变量为业务数据量，且所述自变量x与所述因变量f(x)之间为线性关系时，所述线性回归模型为：

f(x)＝b₁x+b₂x²+b₃x³+b₄x⁴+b₅x⁵+b₆x⁶+b₀，

其中，b₀为常数项，b₁、b₂、b₃、b₄、b₅、b₆为回归系数。

在本发明的一种实施例中，基于所述历史业务数据量，得到在待预测时间段内的预期业务数据量具体包括：

获取待预测时间段内所有子时间段中的部分子时间段内的业务数据量，所述部分子时间段为k(k＝1,2,3,…)个；

获取与所述待预测时间段对应的至少一个历史时间段内所有子时间段中的部分子时间段内的历史业务数据量，所述部分子时间段为k(k＝1,2,3,…)个；

分别计算相同子时间段内的业务数据量与历史业务数据量之间的欧式距离的平方m²；

根据预测精度，确定阈值j(j＞0)；

判断所述欧式距离的平方m²是否满足若满足，则根据所述欧式距离的平方m²，得到所述至少一个历史时间段中的历史业务数据量，将平均后的历史业务数据量作为在待预测时间段内的预期业务数据量；

或者，

根据所述历史业务数据量，通过最小二乘算法，确定所述历史业务数据量与所述历史时间段之间的拟合函数；

根据所述待预测时间段，得到预期业务数据。

在本发明的一种实施例中，在根据所述预期业务数据量，通过所述预测模型，得到在所述待预测时间段内的预期资源占用量之后，还包括：

根据所述预测资源占用量，对网络进行优化。

本发明还提供一种资源占用量的预测系统，包括：