[发明专利]一种通信网流量预测方法、装置与电子设备

权利要求书

1.一种通信网流量预测方法，其特征在于，包括：

获取通信网的历史流量数据，对所述历史流量数据进行预处理得到流量数据集；

构建多通道时空预测模型，利用所述流量数据集对所述多通道时空预测模型进行训练；

根据训练结果对所述多通道时空预测模型进行优化；

根据所述历史流量数据，利用优化后的多通道时空预测模型对目标区域流量值进行预测；

其中，所述获取通信网的历史流量数据，对所述历史流量数据进行预处理得到流量数据集，包括：获取目标区域通信网的网络数据，所述网络数据包括所述目标区域内的基站地点数据、采样时间点与网络流量数据；将所述目标区域进行网格划分，根据网格划分结果对所述网络数据进行整合，将所述网络数据整理为“区域标号-时间戳-流量值”的数据字段，其中所述区域标号与目标区域划分得到的网格区域一一对应；所述流量数据集由所述数据字段组成；

其中，所述构建多通道时空预测模型，利用所述流量数据集对所述多通道时空预测模型进行训练，包括：所述多通道时空预测模型包括多时间卷积神经网络单元与长短期记忆网络单元；将所述流量数据集作为所述多通道时空预测模型的输入值，所述多时间卷积神经网络单元对所述流量数据集进行处理，得到标量输出值；所述长短期记忆网络单元对由所述标量输出值形成的时间序列数据进行处理，得到训练输出值。

2.根据权利要求1所述的方法，其特征在于，对所述历史流量数据进行预处理得到流量数据集，还包括：

在所述网格区域的流量值存在缺失的情况下，根据所述时间戳确定流量值数据缺失相应的缺失时间点；

采用流量均值法对所述缺失时间点的流量值进行补全，获得数据完整的所述流量数据集。

3.根据权利要求1所述的方法，其特征在于，所述根据训练结果对所述多通道时空预测模型进行优化，包括：

根据所述历史流量数据确定所述目标区域当前网络流量的实际值；

根据所述实际值与所述预测输出值，计算确定损失函数；

对所述多通道时空预测模型中的网络参数进行调整以使所述损失函数达到最小。

4.根据权利要求1所述的方法，其特征在于，所述多时间卷积神经网络单元对所述流量数据集进行处理，得到标量输出值，包括：

根据所属时间区间对所述流量数据集进行划分，获取得到输入矩阵T_d,T_a,T_r；

所述输入矩阵中的每个元素分别表示相应时间区间内所对应的地理位置区域内的通信网流量值，所述输入矩阵T_d所对应的时间区间为前一天与预测时刻相同的时间区间，所述输入矩阵T_a所对应的时间区间为所述预测时刻前一个小时的时间区间，所述输入矩阵T_r所对应的时间区间为所述预测时刻前一个时刻的时间区间；

将所述输入矩阵T_d,T_a,T_r对齐堆叠得到输入序列Q：

其中，R^d×d×3表示三维矩阵，n表示多个预测时刻组成的时间序列的序列长度，分别表示所述时间序列中第i个预测时刻相应的所述输入矩阵，d×d表示每一层矩阵的大小；

通过卷积操作获取所述输入序列Q的局部特征k_t:

k_t＝f(g*Q_t+b)

其中，(k_t是所述输入序列Q经过卷积后的矩阵表示)f()表示激活函数，g表示卷积神经网络中的卷积核，Q_t表示所述输入序列Q中与第t个预测时刻相应的序列元素，b表示偏置项；

对所述局部特征k_t进行最大池化操作，确定所述标量输出值

其中，k_t1,k_t2，…，k_tm表示组成矩阵k_t的多个元素。