[发明专利]一种无线网络预测方法、电子设备及存储介质

权利要求书

1.一种无线网络预测方法，其特征在于，包括如下步骤：

数据选取步骤：选取若干个网络通信指标变量作为自变量，以及选取所述自变量分别对应的目标指标变量作为因变量，根据所述自变量建立自变量的高斯过程回归模型；

函数确定步骤：根据所述高斯过程回归模型确定高斯核函数形式的协方差函数，所述协方差函数中具有第一未知参数、第二未知参数和第三未知参数；

参数确定步骤：求取第一未知参数、第二未知参数和第三未知参数的合理值；

时间点模型预测步骤：设定任意时间点的第一待预测值以及该第一待预测值所需自变量的第一截面数据向量，根据所述自变量、因变量、第一待预测值以及第一截面数据向量获取对应的联合分布函数以计算得到第一待预测值的估值；

时间段模型预测步骤：设定任意时间段的第二待预测值以及该第二待预测值所需自变量的第二截面数据向量，根据第二截面数据向量和所述联合分布函数计算得到所述第二待预测值的估值。

2.如权利要求1所述的无线网络预测方法，其特征在于，还包括如下步骤：

误差分析步骤：以标准差、相对误差为衡量指标对第二预测值的估值进行误差分析，判断标准差和相对误差是否在预设范围内。

3.如权利要求1所述的无线网络预测方法，其特征在于，数据选取步骤中，所述自变量表示为：X_n×s＝{x₁，x₂，...x_s}，因变量表示为Y＝{y₁，y₂，...y_n}，其中，自变量中的向量X_i＝{x_i1，x_i2，...x_is}，i＝1，2，...，m表示自变量的截面数据集，n×s表示X的第一个维度大小为n，第二维度大小为s，m为自变量的最大维度，因变量中的n为数据集序列长度，即数据容量，所述高斯过程回归模型为其中为一个高斯随机噪声过程，Z＝(2π)^n/2|K|^1/2，μ为自变量的均值向量；K为协方差矩阵，并且

其中f(x)是高斯过程的随机变量联合概率分布密度函数，X为输入特征，T为矩阵转置运算，k(X₁，X₁)为高斯核运算，Z为中间值。

4.如权利要求3所述的无线网络预测方法，其特征在于，所述协方差函数为：其中x_i，x_j分别为自变量指标第i个截面数据向量和自变量指标第i个截面数据向量，s为输入的自变量个数，σ_f为第一未知参数，l为第二未知参数、σ_n为第三未知参数，δ(X_i，X_j)，为X_i和X_j的协方差。

5.如权利要求4所述的无线网络预测方法，其特征在于，在参数确定步骤中，选取满足P(θ|X，Y)条件下最大的θ值，通过共轭梯度法对P(θ|X，Y)最大化似然以得到θ的值，其中，θ＝{l，σ_f，σ_n}，θ为需要学习的参数。

6.如权利要求5所述的无线网络预测方法，其特征在于，时间点模型预测步骤中，设定第一待预测值为该第一待预测值所需自变量的第一截面数据向量为则所述联合分布函数为即根据公式中概率分布均值得到第一待预测值的估值为其中，为均值为0、方差为的高斯分布。

7.如权利要求6所述的无线网络预测方法，其特征在于，在时间段模型预测步骤中，设定第二待预测值为第二截面数据向量为将X^*逐步输入计算得到第二待预测值的估值。