一种业务量预测方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种业务量预测方法、装置、设备及存储介质，该方法包括：获取具有周期特性的第一业务量数据；采用预设分解策略对第一业务量数据进行分解，得到第一趋势分量、第一不规则分量和第一周期分量；利用第一趋势分量和预先建立的第一模型进行趋势分量预测，得到目标时刻的趋势分量预测值；利用第一不规则分量和预先建立的第二模型进行不规则分量预测，得到目标时刻的不规则分量预测值；对第一周期分量、趋势分量预测值和不规则分量预测值进行整合，得到目标时刻的业务量预测值。如此，通过对趋势分量和不规则分量特性进行针对性预测，同时结合业务量数据的周期特性，使得到的业务量预测值的准确性提高。

【技术实现步骤摘要】
一种业务量预测方法、装置、设备及存储介质
本申请涉及业务支撑、数据业务
，尤其涉及一种业务量预测方法、装置、设备及存储介质。
技术介绍
现有技术中的业务量预测方法多是基于时间序列或多元回归。基于时间序列的预测，收集连续时间点的历史业务量数据，按照时间顺序将其排列形成数据集合，然后分析这些集合以了解长期发展趋势及预测未来。基于多元回归的预测，通过分析不同特征与业务量之间的关系，根据特征现状或趋势预测未来业务量。随着网络技术的快速发展、网络规模与应用领域的不断扩大和海量终端及新型业务的出现，给信息通信技术(Informationandcommunicationtechnology，ICT)行业带来了新契机，同时，也给移动通信网络建设与运营带来极大挑战。现有技术中的基于时间序列或多元回归的业务量预测方法，由于在对业务量数据进行预测时，两个预测方法均没有考虑到业务量数据的周期变化特点，导致业务量预测方法不能对未来业务量预测进行更加准确性的分析，严重影响了网络的稳定性以及用户的体验，造成服务中断、性能降低等故障频发。r>专利技术本文档来自技高网...

【技术保护点】
1.一种业务量预测方法，其特征在于，所述方法包括：/n获取具有周期特性的第一业务量数据；/n采用预设分解策略对所述第一业务量数据进行分解，得到第一趋势分量、第一不规则分量和第一周期分量；/n利用所述第一趋势分量和预先建立的第一模型进行趋势分量预测，得到目标时刻的趋势分量预测值；/n利用所述第一不规则分量和预先建立的第二模型进行不规则分量预测，得到目标时刻的不规则分量预测值；/n对所述第一周期分量、所述趋势分量预测值和所述不规则分量预测值进行整合，得到所述目标时刻的业务量预测值。/n

【技术特征摘要】
1.一种业务量预测方法，其特征在于，所述方法包括：
获取具有周期特性的第一业务量数据；
采用预设分解策略对所述第一业务量数据进行分解，得到第一趋势分量、第一不规则分量和第一周期分量；
利用所述第一趋势分量和预先建立的第一模型进行趋势分量预测，得到目标时刻的趋势分量预测值；
利用所述第一不规则分量和预先建立的第二模型进行不规则分量预测，得到目标时刻的不规则分量预测值；
对所述第一周期分量、所述趋势分量预测值和所述不规则分量预测值进行整合，得到所述目标时刻的业务量预测值。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取训练数据库；其中，所述训练数据库中包括具有周期性的第二业务量数据；
采用所述预设分解策略对所述第二业务量数据进行分解，得到第二趋势分量、第二不规则分量；
利用所述第二趋势分量对趋势性模型进行训练，得到所述第一模型；
利用所述第二不规则分量对不规则性模型进行训练，得到所述第二模型。


3.根据权利要求1或2所述的方法，其特征在于，
所述预设分解策略包括：
基于业务量数据和上一次分解得到的历史趋势分量，得到周期分量；
基于所述业务量数据和所述周期分量，得到趋势分量；
当所述周期分量与所述趋势分量收敛时，从所述业务量数据中除去所述周期分量和所述趋势分量，得到不规则分量。


4.根据权利要求3所述的方法，其特征在于，
所述基于业务量数据和上一次分解得到的历史趋势分量，得到周期分量，包括：
利用所述业务量数据减去所述历史趋势分量，得到去趋势化序列；
将所述去趋势化序列中每个周期相同位置的样本点提取出来，组成多个子序列；
对所述多个子序列中的每一个子序列进行平滑操作，得到临时周期序列；
对所述临时周期序列进行平滑操作，得到结果序列；
利用所述临时周期序列减去所述结果序列，得到所述周期分量。


5.根据权利要求3所述的方法，其特征在于，
所述基于所述业务量数据...

【专利技术属性】
技术研发人员：刘春晖，王希栋，边森，
申请(专利权)人：中国移动通信有限公司研究院，中国移动通信集团有限公司，
类型：发明
国别省市：北京;11