移动网络流量预测方法、装置及设备制造方法及图纸

本发明专利技术实施例公开了一种移动网络流量预测方法、装置及设备，该方法包括：获取目标时段内的历史移动网络数据；将所述历史移动网络数据输入流量预测模型，得到所述流量预测模型的输出结果；确定各所述流量预测模型分别对应的权重；根据各所述流量预测模型的输出结果及所述权重，计算得到待预测时刻的流量预测结果。在本发明专利技术实施例中将多种预测模型进行有效融合，充分发挥各预测模型的优势，有效提升了移动网络流量预测的准确性。动网络流量预测的准确性。动网络流量预测的准确性。

【技术实现步骤摘要】
移动网络流量预测方法、装置及设备


[0001]本专利技术涉及通信领域，尤其涉及一种移动网络流量预测方法、装置及设备。

技术介绍

[0002]随着国家“提速降费”政策的推广和大流量套餐的普及，全网流量呈现爆发式快速增长，给网络运维带来巨大的挑战和压力。现网2G/4G/5G网络多种制式并存、云及本地传统设备混合组网，业务类型种类繁多，尤其是5G时代具有高带宽和海量连接等特性，使得移动通信网络的流量预测复杂度不断提升。
[0003]现有的流量预测方法仅从微观层面或网络角度来探究流量变化原因，然而目前导致流量变化的因素远不止于此，例如重要活动或节假日的人员大幅迁徙(如春节务工人员大量返乡、大学生开学或寒暑假离校)、大流量套餐渗透率的提升、大带宽需求的5G业务量快速增长、网络端到端最大承载能力等因素都会对网络的流量变化产生重要影响。因此现有的流量预测方法无法适用于当前移动网络的分析与预测，流量预测的准确性不足。

技术实现思路

[0004]本专利技术实施例提供一种移动网络流量预测方法、装置及设备，以解决现有流量预测方法的预测准确性不足的问题。
[0005]为解决上述技术问题，本专利技术实施例是这样实现的：
[0006]第一方面，本专利技术实施例提供了一种移动网络流量预测方法，该方法包括：
[0007]获取目标时段内的历史移动网络数据；所述历史移动网络数据包括以下至少一项：使用移动网络的用户数量、所述移动网络对应的流量数据、目标业务渗透率、由指定类事件导致的流量增长率、网络侧的流量最大承载能力、所述流量数据的平均增长率；将所述历史移动网络数据输入流量预测模型，得到所述流量预测模型的输出结果；所述流量预测模型至少包括第一预测模型、第二预测模型和第三预测模型中；其中，所述第一流量预测模型基于所述流量数据的平均增长率、所述流量增长率和所述网络侧的流量最大承载能力训练得到；所述第二流量预测模型基于所述目标业务渗透率训练得到；所述第三流量预测模型基于所述用户数量、所述流量数据、所述目标业务渗透率和所述流量增长率训练得到；确定各所述流量预测模型分别对应的权重；根据各所述流量预测模型的输出结果及所述权重，计算得到待预测时刻的流量预测结果。
[0008]第二方面，本专利技术实施例还提供了一种移动网络流量预测装置，该装置包括：
[0009]数据获取模块，用于获取目标时段内的历史移动网络数据；所述历史移动网络数据包括以下至少一项：使用移动网络的用户数量、所述移动网络对应的流量数据、目标业务渗透率、由指定类事件导致的流量增长率、网络侧的流量最大承载能力、所述流量数据的平均增长率；模型预测模块，用于将所述历史移动网络数据输入流量预测模型，得到所述流量预测模型的输出结果；所述流量预测模型至少包括第一预测模型、第二预测模型和第三预测模型中；其中，所述第一流量预测模型基于所述流量数据的平均增长率、所述流量增长率
和所述网络侧的流量最大承载能力训练得到；所述第二流量预测模型基于所述目标业务渗透率训练得到；所述第三流量预测模型基于所述用户数量、所述流量数据、所述目标业务渗透率和所述流量增长率训练得到；权重确定模块，用于确定各所述流量预测模型分别对应的权重；结果计算模块，用于根据各所述流量预测模型的输出结果及所述权重，计算得到待预测时刻的流量预测结果。
[0010]第三方面，本专利技术实施例还提供了一种移动网络流量预测设备，包括：存储器，存储有计算机程序指令；处理器，当所述计算机程序指令被所述处理器执行时实现如上述任一项所述的移动网络流量预测方法。
[0011]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括指令，当所述指令在计算机上运行时，使得所述计算机执行如上述任一项所述的移动网络流量预测方法。
[0012]在本专利技术实施例中，可以将目标时段内的历史移动网络数据输入流量预测模型，得到流量预测模型的输出结果，通过各流量预测模型的输出结果及对应的权重，可以计算得到待预测时刻的流量预测结果。该流量预测模型至少包括第一预测模型、第二预测模型和第三预测模型；其中，第一流量预测模型基于流量数据的平均增长率、流量增长率和网络侧的流量最大承载能力训练得到；第二流量预测模型基于目标业务渗透率训练得到；第三流量预测模型基于用户数量、流量数据、目标业务渗透率和流量增长率训练得到。由于将多种预测模型进行有效融合，充分发挥各预测模型的优势，有效提升了移动网络流量预测的准确性。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0014]图1是本专利技术的一个实施例中一种移动网络流量预测方法的示意性流程图。
[0015]图2是本专利技术的一个实施例中BP神经网络的结构示意图。
[0016]图3是本专利技术的一个实施例中执行基于多模型融合的流量预测方法的系统结构示意图。
[0017]图4是本专利技术的一个实施例中各模型预测误差的对比示意图。
[0018]图5是本专利技术的一个实施例中一种移动网络流量预测装置的结构示意图。
[0019]图6是本专利技术的一个实施例中一种移动网络流量预测设备的结构示意图
具体实施方式
[0020]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]图1是本专利技术的一个实施例中一种移动网络流量预测方法的示意性流程图。
[0022]图1的方法可包括：
[0023]S102，获取目标时段内的历史移动网络数据。
[0024]该历史移动网络数据包括以下至少一项：使用移动网络的用户数量、移动网络对应的流量数据、目标业务渗透率、由指定类事件导致的流量增长率、网络侧的流量最大承载能力、流量数据的平均增长率。具体地，可以通过专业性能网管采集无线侧和核心网侧的历史数据，该目标时段可以基于用户设置确定。
[0025]其中，该使用移动网络的用户数量可以是目标时段的2G/4G/5G的用户数量；该移动网络对应的流量数据可以是目标时段移动网络的流量数据，流量数据主要包括业务忙时段、日粒度、月粒度等统计值；该目标业务渗透率可以是市场侧各档位大流量套餐的渗透率，某档位大流量套餐的渗透率＝该档位套餐的签约用户数/全网总用户数；该指定类事件可以是重要活动或节假日，可以为所有数据添加是否重要活动标签或节假日标签并计算用户位置移动导致的流量增长率(表示因重要活动或节假日期间导致的流量增幅)；该网络侧的流量最大承载能力，表示网络侧可以承载流量的最大能力，可以通过“无线网-传输网-核心网-互联网C本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动网络流量预测方法，其特征在于，包括：获取目标时段内的历史移动网络数据；所述历史移动网络数据包括以下至少一项：使用移动网络的用户数量、所述移动网络对应的流量数据、目标业务渗透率、由指定类事件导致的流量增长率、网络侧的流量最大承载能力、所述流量数据的平均增长率；将所述历史移动网络数据输入流量预测模型，得到所述流量预测模型的输出结果；所述流量预测模型至少包括第一预测模型、第二预测模型和第三预测模型；其中，所述第一流量预测模型基于所述流量数据的平均增长率、所述流量增长率和所述网络侧的流量最大承载能力训练得到；所述第二流量预测模型基于所述目标业务渗透率训练得到；所述第三流量预测模型基于所述用户数量、所述流量数据、所述目标业务渗透率和所述流量增长率训练得到；确定各所述流量预测模型分别对应的权重；根据各所述流量预测模型的输出结果及所述权重，计算得到待预测时刻的流量预测结果。2.根据权利要求1所述的方法，其特征在于，在将所述历史移动网络数据输入流量预测模型之前，所述方法还包括：对所述历史移动网络数据进行预处理；所述预处理包括以下至少一项：若第一时段内的所述用户数量与所述第一时段的前一相邻时段内的用户数量平均值之差大于预设数量阈值，则删除所述第一时段内的历史移动网络数据；若第二时段内的所述流量数据与所述第二时段的前一相邻时段内的流量数据平均值之差大于预设流量阈值，则删除所述第二时段内的历史移动网络数据；若第三时段内的所述目标业务渗透率与所述第三时段的前一相邻时段内的目标业务渗透率平均值之差大于预设渗透率阈值，则删除所述第三时段内的历史移动网络数据；若第四时段内的所述流量增长率与所述第四时段的前一相邻时段的流量增长率平均值之差大于预设增长率阈值，则删除所述第四时段内的历史移动网络数据。3.根据权利要求1所述的方法，其特征在于，所述确定各所述流量预测模型分别对应的权重，包括：确定各所述流量预测模型的初始权重；按照预设规则调整各所述流量预测模型的初始权重，得到各所述流量预测模型分别对应的权重；所述预设规则包括以下至少一项：若所述流量预测模型的输出结果不在预设流量范围内，则调整所述初始权重为0，作为所述流量预测模型对应的权重；若所述流量预测模型的输出结果在所述预设流量范围内、且与所述待预测时刻的实际流量数据的差值小于或等于第一阈值，则调整所述初始权重为1，作为所述流量预测模型对应的权重；若所述流量预测模型的输出结果在所述预设流量范围内、且与所述实际流量数据的差值小于或等于第二阈值，则增大所述初始权重，得到所述流量预测模型对应的权重；若所述流量预测模型的输出结果在所述预设流量范围内、且与所述实际流量数据的差值大于或等于第三阈值，则减小所述初始权重，得到所述流量预测模型对应的权重；
其中，所述第一阈值小于所述第二阈值，所述第二阈值小于所述第三阈值。4.根据权利要求3所述的方法，其特征在于，各所述流量预测模型的初始权重之和为1；所述按照预设规则调整各所述流量预测模型的初始权重，得到各所述流量预测模型分别对应的权重之后，所...

【专利技术属性】
技术研发人员：袁姣红，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：