[发明专利]一种基于大数据分析的用户活动异常检测和流量预测方法

摘要

本发明公开了一种基于大数据分析的用户活动异常检测和流量预测方法，包括以下步骤：1)获取待定异常区域的区域编号及时段信息；2)利用历史大数据评估待定异常区域在该时段活跃度的经验累积概率曲线，然后利用经验累积概率曲线确定预测区域中各时刻的流量活跃度异常值；3)以预测区域为中心，查找与预测区域空间相邻的八个区域，然后利用相邻两个区域i,j空间相似性的衡量sim(i,j)找到预测区域的空间相似区域k，然后对预测区域时间序列的空缺值yi,t进行填补；4)对步骤3)得到的预测区域的时间序列进行流量预测，完成基于大数据分析的用户活动异常检测和流量预测，该方法能够实现对预测区域的流量准确预测。

主权项

1.一种基于大数据分析的用户活动异常检测和流量预测方法，其特征在于，包括以下步骤：1)利用机器学习技术对移动网络大数据CDR进行异常检测，以识别移动网络大数据CDR中的待定异常区域，然后获取待定异常区域的区域编号及时段信息；2)利用历史大数据评估待定异常区域在该时段活跃度的经验累积概率曲线，然后利用经验累积概率曲线设定经验异常概率值，当待定异常区域任一时刻的流量活跃度超过经验异常累积概率的95％时，则认定待定异常区域该时刻的流量活跃度异常，即该区域分配的资源不能满足用户活动需求；当待定异常区域任一时刻的流量活跃度小于等于经验异常累积概率的95％时，则说明待定异常区域该时刻的流量活跃度正常，该区域分配的资源能够满足用户活动需求；3)去除预测区域中异常的流量活跃度，使得预测区域的时间序列存在采样值空缺和异常值空缺，以预测区域为中心，查找与预测区域空间相邻的八个区域，然后利用相邻两个区域i,j空间相似性的衡量sim(i,j)找到预测区域的空间相似区域k，然后将预测区域时间序列的空缺值y_i,t填补为以实现预测区域的时间序列中空缺值的填补；4)对步骤3)得到的预测区域的时间序列进行流量预测，完成基于大数据分析的用户活动异常检测和流量预测。