一种基站流量的联合预测方法技术

本发明专利技术提出了一种基站流量的联合预测方法，用于解决当流量数据呈现非线性且存在突变值时，传统线性算法预测性能较差的问题。首先从基站采集流量数据作为数据集，对于异常值和缺失值进行数据预处理；接着采用小波变换来分解处理过的数据，使流量数据平滑，易于预测；而后对分解得出的序列进行单一重构，低频信号采用回声状态网络模型进行预测，高频信号采用自回归积分滑动平均模型进行预测；最后对单个序列的预测数值进行线性累和得出最终结果。本发明专利技术的联合模型方法较之于单一模型预测能够达到更好的预测精度，降低平均绝对百分比误差达6％，并在一定程度上降低归一化均方根误差；基站的流量数据预测准确性提高，有利于提高网络资源合理分配性。

【技术实现步骤摘要】
一种基站流量的联合预测方法
本专利技术涉及采用ESN、ARIMA模型预测基站流量的
，尤其涉及一种基于小波分解变换联合回声网络状态的基站流量预测方法。
技术介绍
随着无线通信技术的发展，流量预测已成为近年来最热门的研究课题之一。大规模的多媒体服务被认为是智慧城市最突出的特征之一。一方面，大多数用户更喜欢选择用移动设备在外上网，这将花费大量来自无线传输的流量数据，另一方面，通信运营商也需要知道某些区域使用的流量数据量，掌握区域流量数据的分配层次。当流量的峰值超过设备可承受的阈值时，应更换基站中的设备或对其进行流量供给的扩容，以保证数据传输的速度。因此，基站的流量预测在无线通信技术中起着重要作用。用户体验质量(QoE)被认为是最突出的评估指标之一，已逐渐取代服务质量(QoS)来衡量用户体验。为了保证用户的QoE，思科和华为等知名网络设备提供商更加关注流量预测和流量趋势。显然，对于用户和网络设备提供商来说，流量预测仍然是一个紧迫的问题。流量预测很大程度上取决于来自不同基站的历史流量数据。在科技飞速发展的情况下，流量数据呈现出各种不同的类型，这将增加模型或算法的复杂性。如今，可以预测流本文档来自技高网...

【技术保护点】
1.一种基站流量的联合预测方法，其特征在于包括：S1：收集通信运营商在基站中采集到的真实流量数据作为数据集，并进行数据预处理；S2：对预处理过的数据进行一级以上的小波分解变换，分解为相对的高频分量和低频分量，并对每个分量所对应的各支序列进行单一重建；S3：利用回声状态网络模型处理低频分量，利用自回归滑动平均模型处理高频分量，完成各单一序列分量的流量预测；S4：将各单一序列的预测值进行线性累和，得到流量预测的输出结果。

【技术特征摘要】
1.一种基站流量的联合预测方法，其特征在于包括：S1：收集通信运营商在基站中采集到的真实流量数据作为数据集，并进行数据预处理；S2：对预处理过的数据进行一级以上的小波分解变换，分解为相对的高频分量和低频分量，并对每个分量所对应的各支序列进行单一重建；S3：利用回声状态网络模型处理低频分量，利用自回归滑动平均模型处理高频分量，完成各单一序列分量的流量预测；S4：将各单一序列的预测值进行线性累和，得到流量预测的输出结果。2.根据权利要求1所述基站流量的联合预测方法，其特征在于，步骤S1中所述数据集包含千级个数的基站及对应各基站的流量数据，每条流量数据的字段属性信息至少包括基站的ID、基站的地理位置、数据的收集时间、基站日流量值和基站的覆盖区域。3.根据权利要求1所述基站流量的联合预测方法，其特征在于，步骤S1中所述预处理指对每条流量数据中的缺失值，使用两个相邻值的平均值填充缺失值。4.根据权利要求1所述基站流量的联合预测方法，其特征在于，步骤S2中所述小波分解变换的小波基函数为sym6，且自第二级小波分解变换起仅对前一级变化所得的低频部分进行变换，高频部分留存待用；小波分解变换的标准是最近一次分解所得低频部分的趋势与小波分解变换前的原始数据的曲线一致且圆滑。5.根据权利要求4所述基站流量的联合预测方法，其特征在于，步骤S2设对预处理过的数据进行四级小波分解变换：f(t)＝C4(t)+D1(t)+D2(t)+D3(t)+D4(t)，得低频分量C4(t)、高频分量D1(t)、...

【专利技术属性】
技术研发人员：周亮，唐菁，魏昕，包秋霞，高赟，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32