【技术实现步骤摘要】
一种基于相关性聚类混合算法模型的节假日无线流量预测方法、系统、设备及介质
本专利技术涉及一种基于相关性聚类混合算法模型的节假日无线流量预测方法、系统、设备及介质,属于无线流量预测
技术介绍
随着智能手机等设备的普及,无线蜂窝网络具有越来越重要的作用。准确预测基站扇区的流量对于基站资源部署、功率分配等具有重要的参考意义,是实现智能通信网络的重要前提。特别是在节假日期间,由于人口的大量流动,许多地区的流量使用情况会发生改变,比如在许多农村地区,许多外出工作者会在节假日期间集中回乡,而他们正是使用流量的主力,这将会导致这些地区在节假日期间的无线流量使用量激增。相反的,在很多学校或者办公区域,在节假日期间会因为人员放假而导致无线流量使用量锐减。如果可以准确预测到这些变化,那就可以针对这些变化提前做出部署,比如在无线流量使用增多的地区进行扩容或者加大功率以保证用户使用体验,在无线流量使用减少的地区减小功率以降低成本,使得基站可以低碳,低成本,高效率运行。总结目前使用人工智能进行无线流量预测的工作,大体上分为三种思路,一是改进模型,使模型更适合无线流量预测;二是将无线流量本身进行分为不同的部分,然后分别预测这些部分,最后将这些部分相加得到最终的预测结果;三是结合无线流量之外的其他相关信息共同进行预测,比如使用基站所在的空间特性以及天气情况等。但是,现有工作主要聚焦于数分钟、数小时等短期持续时间内的无线流量预测,且所使用的的数据一般为非节假日数据或未对节假日时期的预测做出特别处理。然而,在一些重要节假日,
【技术保护点】
1.一种基于相关性聚类混合算法模型的节假日无线流量预测方法,其特征在于,用于对基站扇区的流量进行预测,其特征在于,具体步骤包括:/n步骤1)依据日期的不同分别定义节假日权重;/n步骤2)依据节假日权重计算基站扇区的节假日系数;/n步骤3)依据节假日系数将所有基站扇区的流量模式进行分类;/n步骤4)使用线性回归算法、长短时记忆算法、随机森林回归算法、支持向量回归算法共同构建混合算法模型;/n步骤5)将不同流量模式下包含的所有基站扇区的流量数据分别构建训练集,并使用不同流量模式对应的训练集分别训练混合算法模型,得到不同流量模式对应的训练好的混合算法模型;即每一种流量模式对应的训练集训练得到一种混合算法模型;/n步骤6)使用训练好的混合算法模型对基站扇区进行无线流量预测。/n
【技术特征摘要】
1.一种基于相关性聚类混合算法模型的节假日无线流量预测方法,其特征在于,用于对基站扇区的流量进行预测,其特征在于,具体步骤包括:
步骤1)依据日期的不同分别定义节假日权重;
步骤2)依据节假日权重计算基站扇区的节假日系数;
步骤3)依据节假日系数将所有基站扇区的流量模式进行分类;
步骤4)使用线性回归算法、长短时记忆算法、随机森林回归算法、支持向量回归算法共同构建混合算法模型;
步骤5)将不同流量模式下包含的所有基站扇区的流量数据分别构建训练集,并使用不同流量模式对应的训练集分别训练混合算法模型,得到不同流量模式对应的训练好的混合算法模型;即每一种流量模式对应的训练集训练得到一种混合算法模型;
步骤6)使用训练好的混合算法模型对基站扇区进行无线流量预测。
2.根据权利要求1提供的一种基于相关性聚类混合算法模型的节假日无线流量预测方法,其特征在于,步骤1)中,依据日期的不同分别定义节假日权重,具体为:
(1)对除春节外的节假日进行流量预测时:工作日的节假日权重为0,非节假日周末和寒暑假的权重为1,节假日时长小于等于三天的日期的节假日权重为3,节假日时长大于三天的日期的节假日权重为5,将春节前七天的节假日权重赋值为3,春节后七天的节假日权重赋值为7;
(2)对春节进行流量预测时:截取春节前三周的日期定义为节假日权重Ws,定义如下:
式(II)中,D为春节日期,d为春节前三周内的任意一天,即距离春节大于8天的日期的春节权重都设置为0;距离春节八天内的日期,每天的权重从1到8依次增加,即在除夕当天权重达到8。
3.根据权利要求1提供的一种基于相关性聚类混合算法模型的节假日无线流量预测方法,其特征在于,步骤2)中,依据节假日权重计算基站扇区的节假日系数,具体操作步骤如下:
计算节假日权重序列与基站扇区的流量序列之间的皮尔逊相关性系数,将皮尔逊相关性系数作为基站扇区的节假日系数,皮尔逊相关性系数ρX,Y的计算公式为:
式(I)中,X是节假日权重序列,节假日权重序列为按照时间先后顺序由不同日期对应的节假日权重组成的一维序列;Y是基站扇区的流量序列,基站扇区的流量序列为按照时间先后顺序由基站扇区每天的无线流量组成的一维序列;E(·)表示数学期望,即平均值;σX表示节假日权重序列的方差,σY表示基站扇区的流量序列的方差,μX表示节假日权重序列的平均值,μY表示基站扇区的流量序列的平均值。
4.根据权利要求1提供的一种基于相关性聚类混合算法模型的节假日无线流量预测方法,其特征在于,步骤3)中,利用节假日系数将所有基站扇区的流量模式分为5类模式,具体为:0.4≤节假日系数<1,基站扇区的流量模式为强正相关模式;
当0.2≤节假日系数<0.4,基站扇区的流量模式为弱正相关模式;
当-0.1≤节假日系数<0.2,基站扇区的流量模式为不相关模式;
当-0.3≤节假日系数<-0.1,基站扇区的流量模式为弱负相关模式;
当1≤节假日系数<-0.3,基站扇区的流量模式为强负相关模式。
5.根据权利要求1提供的一种基于相关性聚类混合算法模型的节假日无线流量预测方法,其特征在于,步骤5)中,使用不同流量模式对应的训练集分别训练混合算法模...
【专利技术属性】
技术研发人员:张海霞,康天宇,袁东风,梁聪,梁道君,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东;37
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。