[发明专利]基于合分模式实现小区网络流量资源指标预测的方法

说明书

本发明涉及一种基于合分模式实现小区网络流量资源指标预测的方法，先采集一段时间内小区指标数据，计算预测小区所在周边邻小区邻区集NS2的集合并预测其指标，基于数据集NS2划定泰深多边形，提取泰深多边形内的所有小区构成数据集CS0，即为要预测小区CELLf的样本数据集S2；接着构建ARMA序列预测模型和基于网络的LSTM序列预测模型，基于以往数据完成数据集CS0未来周期数据的预测Vcs0；基于最新数据的时间点倒推一段时间，并通过构建模型回归出数据集CS0每个小区每个周期指标占比，得到要预测小区的指标占比Pf，则最终要预测小区的预测指标值为Vcs0*Pf。该方法克服因单小区稳定性波动带来的影响，实现小区容量的精准预测、小区网络资源的动态调整。

技术领域

本发明涉及网络流量资源预测技术领域，具体涉及一种基于合分模式实现小区网络流量资源指标预测的方法。

背景技术

移动性是无线网络服务所具备的基本能力，由于用户行为的变化，用户对无线网络的覆盖、容量和服务完整性等提出更高的要求，运营商为了提供更好的服务并也在设法最大化提升网络设备的运营效率，如网络的潮汐导致商业区的一部分小区白天较忙，晚上较闲，而居民区则相反。如何实现网络资源的合理调度即成为运营商旷日持久的拉锯战。

传统的解决网络资源调度的方式有两种，一种是给所有小区配置足够的资源，一种是基于小区的历史数据预测对高负荷的小区实现比较精准的资源调度。很显然，前者构成了极大的资源浪费，增大了网络运营的成本。后者虽然基于小区的历史数据预测，但是没有考虑到网络中邻区间负荷均衡、不确定性的小区扩容和减容以及小区退服等原因给小区本身历史数据带来波动的干扰，最终导致其预测的不确定性。

发明内容

本发明的目的在于克服现有技术中的缺陷，设计一种基于合分模式实现小区网络流量资源指标预测的方法，该方法克服因单小区稳定性波动带来的影响，适合小区指标的短期预测以实现网络资源的动态调整，实现了小区容量的精准预测。

为实现上述目的，本发明所采用的技术方案是，

一种基于合分模式实现小区网络流量资源指标预测的方法，包括

S1、数据采集与处理：

采集一段时间内的包括话务数据和切换数据的小区指标数据作为建模分析数据集S，根据建模分析数据集S中的切换数据计算要预测小区CELL_f的邻区集NS1的邻区集NS2；基于邻区集NS2划分泰森多边形，然后提取泰森多边形内的所有小区构建数据集CS0，其CS0所对应的从小区话务数据中提取的网络流量数据记录即为要预测小区CELL_f的样本数据集S2；

S2、将采集处理的数据集S2按照预设比例划分为训练集S2_train和测试集S2_test；根据测试集S2_test构建ARMA序列预测模型Mod_arma，输入以往周期的网络流量数据，分别获得下一时刻ARMA序列预测模型的网流量数据的预测值Result_aram；根据训练集S2_train构建LSTM序列预测模型Mod_sltm，输入以往周期的网络流量数据，分别获得下一时刻LSTM序列预测模型的网络流量数据的预测值Result_lstm；将上述两个模型的预测值结果进行融合，通过权重因子μ、α分配计算得最终结果，其计算公式为：

Result_vcs0＝μ×Result_lstm+α×Result_arma；

S3：基于历史数据，并通过模型计算出数据集CS0每个小区每个周期指标占比Pf；

S4、结果输出：通过模型输出的Vcs0和Pf值计算预测小区的预测指标值result_pre：result_pre＝Vcs0*Pf。

进一步的，所述S1中，根据建模分析数据集S中的切换数据计算要预测小区CELLf的邻区集NS1的邻区集NS2的具体方法为：根据预测小区CELLf周边向外延伸设定半径值的区域获得，所述半径值为300-800m。