【技术实现步骤摘要】
一种网络流量预测方法和装置
本申请涉及通信领域,尤其涉及一种网络流量预测方法和装置。
技术介绍
为了保证通信质量和能效平衡,第五代移动通信技术(5Generation,5G)通信中采用了超密集组网(UltraDenseDeployment,UDN)和基站休眠技术。其中,UDN的实施需要获取蜂窝网络流量的空间分布特性来制定部署策略,基站休眠的实施需要获取蜂窝网络流量的时间分布特性来制定休眠策略,而蜂窝网络流量建模和预测可以通过预测蜂窝网络流量的时空分布特性,为UDN和基站休眠提供参考信息。现有的蜂窝网络流量预测要么只对空间分布进行建模,要么仅对某一时刻或者某一时间段内的业务进行空间分布拟合或者进行理论分析。例如,Lognorm分布模型给出了一定区域范围内流量分布的整体统计规律,并没有体现流量在空间距离上的相关性,也缺乏相应的流量分布解析表达式。Exponential分布模型不能刻画当前异构无线网络环境中流量分布呈现出的多峰值分布规律。截断二维余弦变换分布模型只是针对某一特定区域特定时间下快照下的流量空间模型,并不具有普适意义。快速傅里叶变换用正弦函数叠加拟合分布模型利用区域内每天的总业务量具有明显的周期性进行预测。时间序列预测建模适合短期预测,适宜预测目标的基本趋势在某一水平上下波动。相关分析预测建模对中长期预测准确性较差,并且需要较多的现实统计数据和纯数学公式的推导,后期需要结合环境的变化进行修正。在实现上述蜂窝网络流量建模和预测的过程中,专利技术人发现现有技术中至少存在如下问题:现有的蜂窝网络流量预测算法要么局限于预测某区域总体的流量变化,要么只对某一时 ...
【技术保护点】
1.一种网络流量预测方法,其特征在于,包括:计算设备获取训练数据,所述训练数据包括目标区域中的至少两个基站在第一时间间隔内的流量监测数据;所述计算设备根据所述训练数据建立贝叶斯时空模型;所述计算设备基于所述贝叶斯时空模型预测所述目标区域中的至少一个基站在第二时间间隔内的任一时刻或任一时间段的流量数据,所述第一时间间隔与所述第二时间间隔不同。
【技术特征摘要】
1.一种网络流量预测方法,其特征在于,包括:计算设备获取训练数据,所述训练数据包括目标区域中的至少两个基站在第一时间间隔内的流量监测数据;所述计算设备根据所述训练数据建立贝叶斯时空模型;所述计算设备基于所述贝叶斯时空模型预测所述目标区域中的至少一个基站在第二时间间隔内的任一时刻或任一时间段的流量数据,所述第一时间间隔与所述第二时间间隔不同。2.根据权利要求1所述的网络流量预测方法,其特征在于,所述方法还包括:所述计算设备根据测试数据确定预测数据是否满足预设条件;所述测试数据包括所述目标区域中的至少一个基站在第三时间间隔内的流量监测数据,所述预测数据包括根据所述贝叶斯时空模型预测得到的所述目标区域中的所述至少一个基站在第三时间间隔内的流量数据,所述第三时间间隔包含于所述第二时间间隔;若确定预测数据不满足预设条件,所述计算设备重新建立贝叶斯时空模型并基于所述重新建立的贝叶斯时空模型重新预测所述目标区域的流量数据。3.根据权利要求1或2所述的网络流量预测方法,其特征在于,所述计算设备基于所述贝叶斯时空模型预测所述目标区域中的至少一个基站在第二时间间隔内的任一时刻的网络流量,包括:所述计算设备根据所述训练数据生成所述贝叶斯时空模型的基础模型,并设定所述贝叶斯时空模型的参数的先验分布,所述贝叶斯时空模型的参数是根据所述训练数据得到的;所述计算设备根据所述贝叶斯时空模型的基础模型和所述参数的先验分布得到所述贝叶斯时空模型的参数的后验分布;所述计算设备根据所述贝叶斯时空模型的参数的后验分布预测所述目标区域中的至少一个基站在第二时间间隔内的任一时刻的网络流量。4.根据权利要求3所述的网络流量预测方法,其特征在于,所述计算设备根据所述贝叶斯时空模型的基础模型和所述参数的先验分布得到所述贝叶斯时空模型的参数的后验分布包括:所述计算设备根据所述贝叶斯时空模型的参数、所述参数的先验分布、所述训练数据、所述至少一个基站对应的固定空间方差以及所述至少一个基站和至少一个参考节点对应的流量真实值确定所述贝叶斯时空模型的参数的后验分布;其中,所述至少一个参考节点是根据所述至少一个基站的位置信息确定的。5.根据权利要求3或4所述的网络流量预测方法,其特征在于,所述计算设备基于所述贝叶斯时空模型预测所述目标区域中的至少一个基站在第二时间间隔内的任一时刻或任一时间段的流量数据包括:所述计算设备根据所述训练数据确定所述贝叶斯时空模型的参数;所述计算设备根据所述贝叶斯时空模型的参数确定所述目标区域中的至少一个基站和所述至少一个参考节点的流量真实数据;所述计算设备根据所述至少一个基站和所述至少一个参考节点的流量真实数据以及所述至少一个基站对应的固定空间方差确定所述至少一个基站中的任一个基站在第二时间间隔内的任一时刻或任一时间段的流量数据。6.根据权利要求3所述的网络流量预测方法,其特征在于,所述计算设备根据所述贝叶斯时空模型的基础模型和所述参数的先验分布得到所述贝叶斯时空模型的参数的后验分布包括:其中,logf(θ,y,g*|g)表示所述贝叶斯时空模型的参数的后验分布;logf(θ)表示所述贝叶斯时空模型的参数的先验分布;θ表示所述贝叶斯时空模型的参数;g和g*分别表示训练数据和缺失的流量监测数据;表示基站对应的固定空间方差;l和t表示不同的时间单位;l=1,2,...,r;t=1,2,...,T1;Glt表示训练数据;Xlt是(n×p)维的协变量矩阵,n表示基站数目,p表示协变量数目;β是(p×1)维的相关系数矩阵;P表示(n×m)维的互相关矩阵,用于描述n个基站(s1,s2,...,sn)和m个参考节点间的相关性和随机性;ylt=ρylt-1+ηlt,ρ∈(-1,1),用于描述n个基站和m个参考节点对应的流量真实值;ηlt表示m个参考节点的时空特征对流量真实值的影响;表示第n个基站的固定空间方差;Sη是关于ylt的(m×m)维的相关矩阵;表示yl0对应的yl0表示ylt的初始值。7.根据权利要求3所述的网络流量预测方法,其特征在于,所述计算设备基于所述贝叶斯时空模型预测所述目标区域中的至少一个基站在第二时间间隔内的任一时刻或任一时间段的流量数据包括:其中,f(G1(s0,t0)|g)表示在条件g下的待预测基站s0在待预测时刻t0的流量数据;g表示训练数据;表示在条件下待预测基站s0在待预测时刻t0的流量数据;y1(s0,...
【专利技术属性】
技术研发人员:胡荣贻,韩潇,张榛,刘芳芳,范斌,王友祥,
申请(专利权)人:中国联合网络通信集团有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。