网络业务量预测方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例提供了网络业务量预测方法、装置、设备及介质，所述方法包括：获取待预测区域的历史统计数据；将所述历史统计数据输入季节性差分自回归移动平均模型进行处理，得到初步预测结果；将所述初步预测结果输入自适应卡尔曼滤波模型进行处理，得到所述待预测区域的预测结果。本发明专利技术利用串行方式融合应用S‑ARIMA时间序列算法和基于朴素贝叶斯分类的自适应卡尔曼滤波方法(A‑Kalman方法)，利用A‑Kalman方法的滤波调整特性对时间序列进行修正，并将卡尔曼的一步输出与时间序列的N步预测结果无缝衔接起来，形成两种算法的串行接力效果，进一步提高业务量预测准确度的同时达到多步预测的效果。

Network traffic forecasting methods, devices, equipment and media

【技术实现步骤摘要】
网络业务量预测方法、装置、设备及介质
本专利技术涉及移动通信技术
，尤其涉及一种网络业务量预测方法、装置、设备及介质。
技术介绍
随着社会发展和人们生活水平的不断提高，日益增多的文化演出等大型集会、节假日外出旅游等，大量的人群流动和聚集会在局部产生大量的业务，给通信网络造成一定的冲击，而为了保障用户通畅的通信体验，我们需要提供应急通信的保障能力，根据业务量的变化合理调配资源、调整网络，以保障业务量吸收的最大化和网络拥塞程度的最小化。因此业务量预测是应急通信保障的重要前提和基础，精准的预测结果能够对影响范围和程度进行准确分析，为应急保障资源进行合理调度、管理和布放提供决策支撑，确保应急通信保障工作有序、高效地实施。目前实际工作中常用于业务量预测的方法主要是曲线拟合预测法。曲线拟合预测法需要通过OMC提取大量的历史数据，采用最小二乘法进行数据拟合的基本思想，预测的数据随时间的变化呈现上升或下降趋势，且无明显的波动，找到一条合适的函数曲线反应这种变化趋势。由于网络技术发展和市场策略调整，再加上很多外部因素影响，预测的数据呈现较大的波动，因此拟合曲线预测效果不佳，难以反应各种突发事物对本文档来自技高网...

【技术保护点】
1.一种网络业务量预测方法，其特征在于，所述方法包括：获取待预测区域的历史统计数据；将所述历史统计数据输入季节性差分自回归移动平均模型进行处理，得到初步预测结果；将所述初步预测结果输入自适应卡尔曼滤波模型进行处理，得到所述待预测区域的预测结果。

【技术特征摘要】
1.一种网络业务量预测方法，其特征在于，所述方法包括：获取待预测区域的历史统计数据；将所述历史统计数据输入季节性差分自回归移动平均模型进行处理，得到初步预测结果；将所述初步预测结果输入自适应卡尔曼滤波模型进行处理，得到所述待预测区域的预测结果。2.根据权利要求1所述的方法，其特征在于，获取待预测区域的历史统计数据，包括：获取待预测区域的历史原始数据；删除所述历史原始数据中的异常数据和缺失数据，得到所述待预测区域的历史统计数据。3.根据权利要求1所述的方法，其特征在于，构造所述季节性差分自回归移动平均模型如下：其中，t表示时间或者预测算法输出步数；B是后移算子，subjecttoBnyt＝yt-n，N为初步预测限制步数，N为常数；表示进行d阶差分，表示对时间序列yt进行d阶差分：d＝1进行一次差分处理，即令d＝2进行二次差分处理，即令表示D阶季节差分，表示对时间序列yt进行d阶逐期差分和D阶长度为s的季节差分；和θq(B)表示p阶自回归和q阶移动平均算子，P季节自回归阶数，Q是季节移动平均阶数，ΦP(Bs)和ΘQ(Bs)表示季节P阶自回归算子和Q阶移动平均算子；μt为零均值白噪声，算法实现中设置为高斯白噪声。4.根据权利要求1所述的方法，其特征在于，所述自适应卡尔曼滤波模型为：式中：为噪声估计因子，0<b<1，b为噪声控制变量，由贝叶斯分类算法判断选取0.9或0.95；表示k时刻的网络业务量最优...

【专利技术属性】
技术研发人员：张丽，梁奕，叶振洋，周常胜，齐改燕，
申请(专利权)人：中国移动通信集团河北有限公司，中国移动通信集团公司，
类型：发明
国别省市：河北,13