一种容量预测方法以及容量预测装置制造方法及图纸

本申请实施例公开了一种容量预测方法，用于准确的对网络容量进行预测，提高容量规划的正确性。本申请实施例方法包括：获取历史数据，所述历史数据与物理资源模块PRB相关联的数据，所述历史数据来源于运行支持系统OSS和用户业务体验质量系统SEQ；利用多维线性回归处理所述历史数据得到所述PRB的预测值。

A capacity prediction method and capacity prediction device

【技术实现步骤摘要】
一种容量预测方法以及容量预测装置
本申请涉及通信领域，尤其涉及一种容量预测方法以及容量预测装置。
技术介绍
随着通讯技术的快速发展，日常网络话务等网络业务的用户也是快速增加。为了保证网络能够满足用户的需求，网络运营商需要通过模型预测了解单个小区的流量寿命，以及何时会呈现容量被限制之情况，从而在容量规划中提供更好的预见。而目前的预测模型通常为单一增长因子的线性关系模型。而在实际应用中，由于不同的小区位于不同的人口领域，导致网络使用的状态以及增加模式也不相同，若采用单一的增长因子进行预测会导致预测结果不准确。
技术实现思路
本申请实施例提供了一种容量预测方法以及容量预测装置，用于准确的对网络容量进行预测，提高容量规划的正确性。第一方面，本申请实施例提供一种容量预测方法，包括：该容量预测装置获取历史数据，其中，该历史数据为与该物理资源模块(PrimaryResourceBlock，PRB)相关联的数据，且该历史数据来源于运行支持系统(OperationalSupportSystem，OSS)和用户业务体验质量系统(ServiceExperienceQuality，SEQ)；然后该容量预测装置利用多维线性回归处理该历史数据得到该PRB的预测值。本申请实施例提供的技术方案中，该容量预测装置通过来自OSS和SEQ的历史数据，并将该历史数据采用多维线性回归进行处理，有效增加了预测过程中的变量因数，并综合考虑网络的增加模式，进而准确的对网络容量进行预测，提高容量规划的正确性。>可选的，该容量预测装置可以通过主成分分析(PrincipleComponentAnalysis，PCA)技术得到与该PRB强相关的历史数据，比如该历史数据至少包括：话务(TRAFFIC(OSS))、下行吞吐量(USER_THROUGHPUT(OSS))、用户(AVG_ERAB_USER(OSS))、长期演进()设备的平均流量(Avg_Traffic_per_LTE_Device)、3G设备的平均流量(Avg_Traffic_per_3G)、每点对点(pointtopoint，P2P)的平均流量(Avg_Traffic_per_P2P)、每即时消息的平均流量(Avg_Traffic_per_IM)、每游戏的平均流量(Avg_Traffic_per_Game)、每邮件的平均流量(Avg_Traffic_per_Email)、每文件访问的平均流量(Avg_Traffic_per_File_Access)、每股平均流量(Avg_Traffic_per_Stock)、每个隧道的平均流量(Avg_Traffic_per_Tunnelling)、每个社交网络的平均流量(Avg_Traffic_per_Social_Networking)、每个杂项的平均流量(Avg_Traffic_per_Miscellaneous)以及每笔财务的平均流量(Avg_Traffic_per_Finance)等。可选的，该历史数据的周期时长至少为6个月。可选的，该容量预测装置在利用多维线性回归处理该历史数据得到该PRB的预测值时具体可以如下：该容量预测装置利用多维线性回归公式处理该历史数据得到该PRB的预测值；其中，该多维线性回归公式为：Y＝β1X1+β2X2+…+βnXn+ε；其中，该Y表示该PRB的预测值，该β1、β2…βn为常数系数，该X1、X2…Xn表示预测变量，该ε为常数。可选的，该容量预测装置在通过多维线性回归建立了历史数据与PRB的预测值之间的关系之后，还可以利用梯度下降来优化该公式中的常数系数。可选的，在具体计算过程中，该容量预测装置还可以根据历史数据和条件移动均线(ConditionalMovingAverage，CMA)计算预测变量的增长率；然后该容量预测装置根据该增长率确定不同时刻的预测变量。在本实施例中，采用CMA以及历史数据计算该增长率具体可以如下：对于时间序列数据(比如历史数据中按照时间顺序排序的流量数据)，提取符合当前趋势(比如增长)的数据；然后将数据集分成两半来计算开始值和结束值；最后将数据视为几何级数，并通过公式g＝pow((结束值/开始值)，(1/t))-1来计算增长率，其中g为该增加率，t为该历史数据的统计时长。第二方面，本申请实施例提供了一种容量预测装置，该装置具有实现上述第一方面中容量预测装置行为的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的实现方式中，该装置包括用于执行以上第一方面各个步骤的单元或模块。例如，该装置包括：获取模块，用于获取历史数据，该历史数据与物理资源模块PRB相关联的数据，该历史数据来源于运行支持系统OSS和用户业务体验质量系统SEQ；处理模块，用于利用多维线性回归处理该历史数据得到该PRB的预测值。可选的，还包括存储模块，用于保存容量预测装置必要的程序指令和数据。在一种可能的实现方式中，该装置包括：处理器和输入输出设备，所述处理器被配置为支持容量预测装置执行上述第一方面提供的方法中相应的功能。输入输出设备用于获取上述方法中所涉及的信息或指令。可选的，此装置还可以包括存储器，所述存储器用于与处理器耦合，其保存容量预测装置必要的程序指令和数据。在一种可能的实现方式中，当该装置为芯片时，该芯片包括：处理模块和收发模块，所述收发模块例如可以是该芯片上的输入/输出接口、管脚或电路等，将获取历史数据，该历史数据与物理资源模块PRB相关联的数据，该历史数据来源于运行支持系统OSS和用户业务体验质量系统SEQ，并将该历史数据传送给与此芯片耦合的其他芯片或模块中。所述处理模块例如可以是处理器，此处理器用于利用多维线性回归处理该收发模块获取到的历史数据，进而得到该PRB的预测值。该处理模块可执行存储单元存储的计算机执行指令，以支持容量预测装置执行上述第一方面提供的方法。可选地，所述存储单元可以为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是位于所述芯片外部的存储单元，如只读存储器(read-onlymemory，简称ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(randomaccessmemory，简称RAM)等。其中，上述任一处提到的处理器，可以是一个通用中央处理器(CentralProcessingUnit，简称CPU)，微处理器，特定应用集成电路(application-specificintegratedcircuit，简称ASIC)，或一个或多个用于控制上述各方面容量预测方法的程序执行的集成电路。第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令用于执行上述第一方面中任意可能的实施方式所述的方法。第四方面，本申请实施例提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面中任意一方面所述的方法。第五方面，本申本文档来自技高网...

【技术保护点】
1.一种容量预测方法，其特征在于，包括：/n获取历史数据，所述历史数据与物理资源模块PRB相关联的数据，所述历史数据来源于运行支持系统OSS和用户业务体验质量系统SEQ；/n利用多维线性回归处理所述历史数据得到所述PRB的预测值。/n

【技术特征摘要】
1.一种容量预测方法，其特征在于，包括：
获取历史数据，所述历史数据与物理资源模块PRB相关联的数据，所述历史数据来源于运行支持系统OSS和用户业务体验质量系统SEQ；
利用多维线性回归处理所述历史数据得到所述PRB的预测值。


2.根据权利要求1所述的方法，其特征在于，所述利用多维线性回归处理所述历史数据得到PRB的预测值包括：
利用多维线性回归公式处理所述历史数据得到所述PRB的预测值；
所述多维线性回归公式为：
Y＝β1X1+β2X2+…+βnXn+ε；
其中，所述Y表示所述PRB的预测值，所述β1、β2…βn为常数系数，所述X1、X2…Xn表示预测变量，所述ε为常数。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
利用梯度下降优化所述多维线性回归公式中的所述常数系数。


4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
利用所述历史数据和条件移动均线CMA计算增长率，所述增长率用于指示所述预测变量的增长；
根据所述增长率得到所述预测变量。


5.根据权利要求1至4中任一项所述的方法，其特征在于，所述历史数据是通过主成分分析PCA推导获取。


6.一种容量预测装置，其特征在于，包括：
获取模块，用于获取历史数据，所述历史数据与物理资源模块PRB相关联的数据，所述历史数据来源于运行支持系统OSS和用户业务体验质量系统SEQ；
处理模块，用于利用多维线性回归处理所述历史数据得到所...

【专利技术属性】
技术研发人员：艾希莉·阿尔伯·费尔南德斯，卡丽莎·潘汉明，
申请(专利权)人：上海华为技术有限公司，
类型：发明
国别省市：上海;31