[发明专利]VoLTE业务的业务量预测方法和终端设备

说明书

本发明公开了一种VoLTE业务的业务量预测方法和终端设备，方法包括：确定VoLTE业务的历史业务量的时态分布数据，所述时态分布数据用于表征所述历史业务量在时间维度上的分布情况；基于所述时态分布数据，训练出长短时间记忆网络LSTM模型和整合移动平均自回归ARIMA模型；对所述LSTM模型和所述ARIMA模型进行拟合，得到拟合模型，以基于所述拟合模型，预测目标时间的VoLTE业务量。由此可见，本发明通过基于VoLTE业务的历史业务量的时态分布数据训练出LSTM模型和ARIMA模型，以基于LSTM模型和ARIMA模型拟合后的拟合模型预测目标时间的VoLTE业务量，从而能够达到更准确地进行VoLTE业务的业务量预测的目的。

技术领域

本发明涉及终端领域，尤其涉及一种VoLTE业务的业务量预测方法和终端设备。

背景技术

长期演进语音承载(Voice over Long-Term Evolution，VoLTE)是一个面向手机和数据终端的高速无线通信标准，能够使语音服务(控制和媒体层面)作为数据流在LTE数据承载网络中传输，而不再需维护和依赖传统的电路交换语音网络。

现有的VoLTE业务的业务量预测的方法主要包括根据入网的终端设备的数量进行预测，以及根据以往相同重大节假日的VoLTE业务量和人为经验进行预测；然而通过上述方法对VoLTE业务量进行预测时均存在预测不准确的问题。

因此，亟需一种更可靠的的VoLTE业务的业务量预测方法。

发明内容

本发明实施例的目的是提供一种VoLTE业务的业务量预测方法和终端设备，能够更准确地对VoLTE业务的业务量进行预测。

第一方面，提供了一种VoLTE业务的业务量预测的方法，该方法包括：

确定VoLTE业务的历史业务量的时态分布数据，所述时态分布数据用于表征所述历史业务量在时间维度上的分布情况；

基于所述时态分布数据，训练出长短时间记忆网络LSTM模型和整合移动平均自回归ARIMA模型；

对所述LSTM模型和所述ARIMA模型进行拟合，得到拟合模型，以基于所述拟合模型，预测目标时间的VoLTE业务量。

第二方面，提供了一种终端设备，该终端设备包括：

确定模块，用于确定VoLTE业务的历史业务量的时态分布数据，所述时态分布数据用于表征所述历史业务量在时间维度上的分布情况；

训练模块，用于基于所述时态分布数据，训练出长短时间记忆网络LSTM模型和整合移动平均自回归ARIMA模型；

拟合模块，用于对所述LSTM模型和所述ARIMA模型进行拟合，得到拟合模型，以基于所述拟合模型，预测目标时间的VoLTE业务量。

第三方面，提供了一种终端设备，所述终端设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的方法的步骤。

第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法的步骤。

在本发明实施例中，通过基于VoLTE业务的历史业务量的时态分布数据训练出LSTM模型和ARIMA模型，以基于LSTM模型和ARIMA模型拟合后的拟合模型预测目标时间的VoLTE业务量，从而能够更准确地对目标时间的VoLTE业务量进行预测。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：