[发明专利]流量预测方法及装置

说明书

本公开实施例公开了一种流量预测方法及装置，所述流量预测方法包括：获取目标基站的历史下行流量参数以及目标基站的至少一类历史信令参数；获取历史信令参数与历史下行流量参数的相关系数，并在至少一类历史信令参数中确定至少一类目标信令参数，目标信令参数与历史下行流量参数的相关系数大于第一相关系数阈值；根据目标信令参数以及目标信令参数与历史下行流量参数的相关系数确定预先训练得到的目标流量分析模型；将目标信令参数以及历史下行流量参数作为输入，输入目标流量分析模型中，得到目标基站的预测流量值。所述流量预测方法可对基站的未来流量进行预测，使所预测的基站的未来流量较为准确。

技术领域

本公开涉及通信技术领域，具体涉及一种流量预测方法及装置。

背景技术

近年来随着无线网络技术的发展，越来越多的用户开始使用能够接入无线网络的移动终端设备(例如智能手机、平板电脑等)，通常情况下，可以由电信运营商部署的基站为附近用户的移动终端设备提供网络接入服务。在实际使用中，由于用户行为的变化、移动终端设备升级等因素，电信运营商需要根据基站的流量的变化，对基站进行相应调整(例如增减基站数量、更换基站的设备等)，以适应不同的流量需求。需要说明的是，这种调整是需要综合考虑基站的未来流量的具体使用情况，因为如果在流量流已超出基站负荷，使得用户的网络业务体验大幅下降时再去调整相关的基站，已经为时已晚。因此，在对基站进行相应调整前，需要对基站的未来流量进行预测。然而，在对现有技术的研究和实践过程中，本申请实施例的发明人发现，现有技术无法准确的预测基站的未来流量。

发明内容

本公开实施例提供一种流量预测方法及装置。

第一方面，本公开实施例中提供了一种流量预测方法。

方法包括：

获取目标基站的历史下行流量参数以及目标基站的至少一类历史信令参数；

获取历史信令参数与历史下行流量参数的相关系数，并在至少一类历史信令参数中确定至少一类目标信令参数，目标信令参数与历史下行流量参数的相关系数大于第一相关系数阈值；

根据目标信令参数以及目标信令参数与历史下行流量参数的相关系数确定预先训练得到的目标流量分析模型；

将目标信令参数以及历史下行流量参数作为输入，输入目标流量分析模型中，得到目标基站的预测流量值。

结合第一方面，本公开在第一方面的第一种实现方式中，目标流量分析模型由目标卷积神经网络模型与目标长短期记忆网络模型组成；

将目标信令参数以及历史下行流量参数作为输入，输入目标流量分析模型中，得到目标基站的预测流量值，包括：

将目标信令参数以及历史下行流量参数作为输入，输入目标卷积神经网络模型，得到目标信令参数以及历史下行流量参数的目标特征；

将目标特征作为输入，输入目标长短期记忆网络模型，得到预测流量值。

结合第一方面的第一种实现方式，本公开在第一方面的第二种实现方式中，目标信令参数与历史下行流量参数的相关系数与目标卷积神经网络模型中目标信令参数对应的卷积层卷积核尺寸正相关。

结合第一方面的第一种实现方式，本公开在第一方面的第三种实现方式中，目标信令参数与历史下行流量参数的相关系数与目标卷积神经网络模型中目标信令参数对应的卷积层卷积核数目负相关。

结合第一方面的第一种实现方式，本公开在第一方面的第四种实现方式中，当目标信令参数与历史下行流量参数的相关系数大于或等于第二相关系数阈值时，目标卷积神经网络模型包括与目标信令参数对应的池化层；

当目标信令参数与历史下行流量参数的相关系数小于第二相关系数阈值时，目标卷积神经网络模型不包括与目标信令参数对应的池化层。