[发明专利]一种基于流向预测的资源预留方法及系统、移动通信系统

说明书

本发明属于中央资源管理；资源协商技术领域，公开了一种基于流向预测的资源预留方法及系统、移动通信系统，获取小区间流向的历史数据；将数据进行分析和预处理；对处理后的数据集合进行划分与特征提取；选择不同的模型进行训练，调整参数使模型预测精度达到最高；对两个模型预测的结果进行实时性的融合；网络根据预测结果进行资源预留；通过判断预留资源数与本小区所能提供的资源总数的关系，决定是否需要进行空间流向操作。本发明通过模型融合，可以根据网络特性进行实时性的改变；同时根据本发明设计的资源预留算法，可以避免常规预留算法中出现的资源预留过多或过少的现象，进而通过空间流向操作实现网络的负载均衡。

技术领域

本发明属于中央资源管理；资源协商技术领域，尤其涉及一种基于流向预测的资源预留方法及系统、移动通信系统。

背景技术

目前，业内常用的现有技术是这样的：一是在移动节点进行切换后进行资源预留，该技术存在的问题是资源预留过程需要一定的时间，切换之后一段时间内，用户体验得不到良好的保证。二是在用户切换前进行完全的资源预留，该技术带来的问题是资源利用率不高。三是基于预测的资源预留，如采用了一个频谱池来管理空闲频谱资源，通过传输速率来预测下一阶段用户需求的带宽资源；然而由于传输速率预测模型的时延较大，带宽分配的实时性难以保证，只能适用于小规模的网络中；基于马尔科夫链的方法，通过马尔科夫转移函数预测下一时刻负载的状况，该方法对于非平稳序列无法达到较高的预测准确度，以及在大数据情况下对于小区间的切换数来说需要建立多维的马尔科夫状态转移图，无法实现计算时间短，模型简单的效果；运用小波神经网络模型预测未来一小时内各个区域的业务量，虽然可以实现较高的预测精度，但是不能根据网络特性做出实时性的改变。

综上所述，现有技术存在的问题是：

(1)常规的资源预留技术无法实现高的资源利用率。

(2)基于预测的资源预留技术虽然可以提高资源利用率，但是对于单一模型来说，由于网络环境较为复杂，无法保证模型的鲁棒性，因此就不能根据网络特性进行实时性的改变。

(3)当预留资源超过本小区所能提供的资源总数时，现有算法为了防止切换用户掉话让切换用户随机接入附近的一个邻区，没有考虑到周围邻区的资源占用情况，会影响邻区的用户体验。

解决上述技术问题的难度和意义：

(1)难度有两个：一是模型的选择，模型的好坏直接影响了预测结果的准确率。如果模型没有选择恰当，预测结果就会有很大的误差，从而导致网络根据预测结果进行资源预留时，产生资源预留过多或过少的现象，影响到资源利用率。二是因为网络环境比较复杂，如何让模型根据网络的特性进行实时性的修正也是上述技术问题的难点。

(2)意义：通过设计一种有效的基于预测的资源预留技术，不但可以防止切换用户产生掉话，而且对于提升网络资源利用率也会有很大的帮助。

发明内容

针对现有技术存在的问题，本发明提供了一种基于流向预测的资源预留方法及系统、移动通信系统。

本发明是这样实现的，一种基于流向预测的资源预留方法，所述基于流向预测的资源预留方法获取小区间流向的历史数据；将数据进行分析和预处理；对处理后的数据集合进行划分与特征提取；选择不同的模型进行训练，调整参数使模型预测精度达到最高；对两个模型预测的结果进行实时性的融合；网络根据预测结果进行资源预留；通过判断预留资源数与本小区所能提供的资源总数的关系，决定是否需要进行空间流向操作。

进一步，所述基于流向预测的资源预留方法包括以下步骤：

步骤一，获取流向的历史数据；