[发明专利]一种基站流量的联合预测方法

权利要求书

1.一种基站流量的联合预测方法，其特征在于包括：

S1：收集通信运营商在基站中采集到的真实流量数据作为数据集，并进行数据预处理；

S2：对预处理过的数据进行一级以上的小波分解变换，分解为相对的高频分量和低频分量，并对每个分量所对应的各支序列进行单一重建；

S3：利用回声状态网络模型处理低频分量，利用自回归滑动平均模型处理高频分量，完成各单一序列分量的流量预测；

S4：将各单一序列的预测值进行线性累和，得到流量预测的输出结果。

2.根据权利要求1所述基站流量的联合预测方法，其特征在于，步骤S1中所述数据集包含千级个数的基站及对应各基站的流量数据，每条流量数据的字段属性信息至少包括基站的ID、基站的地理位置、数据的收集时间、基站日流量值和基站的覆盖区域。

3.根据权利要求1所述基站流量的联合预测方法，其特征在于，步骤S1中所述预处理指对每条流量数据中的缺失值，使用两个相邻值的平均值填充缺失值。

4.根据权利要求1所述基站流量的联合预测方法，其特征在于，步骤S2中所述小波分解变换的小波基函数为sym6，且自第二级小波分解变换起仅对前一级变化所得的低频部分进行变换，高频部分留存待用；小波分解变换的标准是最近一次分解所得低频部分的趋势与小波分解变换前的原始数据的曲线一致且圆滑。

5.根据权利要求4所述基站流量的联合预测方法，其特征在于，步骤S2设对预处理过的数据进行四级小波分解变换：f(t)＝C₄(t)+D₁(t)+D₂(t)+D₃(t)+D₄(t)，得低频分量C₄(t)、高频分量D₁(t)、高频分量D₂(t)、高频分量D₃(t)和高频分量D₄(t)，其中f(t)是一条关于流量值Kb的时间序列，且低频分量C₄(t)为f(t)经四级分解所得的唯一低频部分。

6.根据权利要求4所述基站流量的联合预测方法，其特征在于，对分解所得的低频部分和全部高频部分不同长度的序列分别进行单一重建，重建的序列长度与原始数据长度相同，且序列的线性和等于原始数据。

7.根据权利要求1所述基站流量的联合预测方法，其特征在于，步骤S3中利用回声状态网络模型处理低频分量通过状态更新方程和输出状态方程完成预测，其中状态更新方程为：x(t+1)＝f(W_in·u(t+1)+W·x(t))，x(t)是在t时刻下的网络存储状态，x(t+1)是在t的下一时刻的网络存储状态，u(t+1)是在t的下一时刻下的输入状态，f是神经激活函数，W_in和W分别是神经网络最初建立时随机初始化的定值；

通过训练状态和输出的线性拟合，得出隐藏层到输出层的连接权值W_out，然后利用输出状态方程：y(t)))来预测流量的输出，y(t)是t时刻的预测输出，是t的下一时刻的预测输出。

8.根据权利要求1所述基站流量的联合预测方法，其特征在于，步骤S3中利用自回归滑动平均模型处理高频分量，且自回归滑动平均模型的数学描述为：其中△^dy_t表示y_t经d次差分转换之后的序列，ε_t是t时刻的随机误差，是相互独立的白噪声序列，且服从均值为0，方差为常量σ²的正态分布；φ_i和θ_j是模型的待估计参数，在算法中通过训练得出；p为自回归项，q为移动平均项数。