[发明专利]微区域流动参量的预测方法和装置

摘要

本发明公开了一种微区域流动参量的预测方法和装置，先收集宏区域固定参量A的时间序列和流动参量B的时间序列；然后根据宏区域与各微区域关系，得到各微区域固定参量A的时间序列；再利用扩展卡尔曼滤波的状态方程，得到固定参量A的时间序列和流动参量B的时间序列之间的关系；利用所求得的固定参量A和流动参量B之间的关系，得到各微区域流动参量B的时间序列预测值；最后根据所获得的各微区域固定参量A的时间序列和流动参量B的时间序列预测值对各微区域进行资源优化。本发明改变了微区域“黑箱子”的现状，预测微区域流动参量的状态，根据预测结果利用资源，使资源得到优化，同时利用扩展卡尔曼算法，获得结果准确，误差率低，具有很好的应用价值。

主权项

一种微区域流动参量的预测方法，其特征在于，包括以下步骤：收集宏区域的固定参量A的时间序列和流动参量B的时间序列；根据宏区域与各微区域关系，对所收集的宏区域的固定参量A的时间序列进行分类、汇总，得到各微区域的固定参量A的时间序列；基于所收集的宏区域的固定参量A的时间序列和流动参量B的时间序列，利用扩展卡尔曼滤波的状态方程，得到各微区域的固定参量A的时间序列和各微区域的流动参量B的时间序列之间的关系；基于所得到的各微区域的固定参量A的时间序列，利用所求得的各微区域的固定参量A的时间序列和各微区域的流动参量B的时间序列之间的关系，得到各微区域的流动参量B的时间序列预测值；根据所获得的各微区域的固定参量A的时间序列和各微区域的流动参量B的时间序列预测值对各微区域进行资源优化；在所述得到各微区域的流动参量B的时间序列预测值后，还包括：根据各微区域的流动参量B的时间序列与宏区域的流动参量B的时间序列之间的关系，修正所述各微区域的流动参量B的时间序列预测值。