网络容量预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种网络容量预测方法、装置、电子设备及存储介质，其中方法包括：获取待预测区域的容量评估参数；将所述容量评估参数输入至网络容量预测模型，得到所述网络容量预测模型输出的网络容量预测值；其中，所述网络容量预测模型是基于用户增长因子、站点规划因子、网络调整因子和事件影响因子中的至少一种对多个网络容量预测子模型的模型融合结果进行修正后得到的。本发明专利技术提供的方法、装置、电子设备及存储介质，提高了网络容量预测的准确度。度。度。

【技术实现步骤摘要】
网络容量预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及无线通信
，尤其涉及一种网络容量预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着移动通信技术的飞速发展，网络中用户量持续快速增长，需要对网络容量进行准确预测，为网络扩容和网络升级提供依据。
[0003]现有技术中，通常是基于业务模型和话务模型的经验模型对网络容量进行预测，但是各类移动应用业务在快速发展，其种类和数量远超已有经验模型，经验模型无法准确反映实际的业务特征，使得网络容量预测的准确度低。

技术实现思路

[0004]本专利技术提供一种网络容量预测方法、装置、电子设备及存储介质，用于解决现有技术中网络容量预测的准确度低的技术问题。
[0005]本专利技术提供一种网络容量预测方法，包括：
[0006]获取待预测区域的容量评估参数；
[0007]将所述容量评估参数输入至网络容量预测模型，得到所述网络容量预测模型输出的网络容量预测值；
[0008]其中，所述网络容量预测模型是基于用户增长因子、站点规划因子、网络调整因子和事件影响因子中的至少一种对多个网络容量预测子模型的模型融合结果进行修正后得到的。
[0009]根据本专利技术提供的网络容量预测方法，所述多个网络容量预测子模型的模型融合结果是基于如下步骤确定的：
[0010]确定多个网络容量预测子模型，以及各个网络容量预测子模型的拟合误差；
[0011]基于各个网络容量预测子模型的拟合误差，确定各个网络容量预测子模型的融合权重；
[0012]基于各个网络容量预测子模型的融合权重，对所述多个网络容量预测子模型进行融合，得到所述模型融合结果。
[0013]根据本专利技术提供的网络容量预测方法，所述确定多个网络容量预测子模型，以及各个网络容量预测子模型的拟合误差，包括：
[0014]获取所述待预测区域的多个连续历史周期的容量评估参数和网络容量实际值；
[0015]基于所述多个连续历史周期的容量评估参数和网络容量实际值，对各个网络容量预测子模型进行修正。
[0016]根据本专利技术提供的网络容量预测方法，所述网络容量预测子模型是基于如下步骤确定的：
[0017]确定多个初始模型；
[0018]基于样本数据集，对每一初始模型进行训练，得到多个候选网络容量预测子模型；
[0019]基于每一候选网络容量预测子模型的拟合误差，确定所述网络容量预测子模型。
[0020]根据本专利技术提供的网络容量预测方法，所述初始模型包括修正指数曲线模型、龚伯兹曲线模型、逻辑斯蒂曲线模型和指数平滑法模型中的至少一种。
[0021]根据本专利技术提供的网络容量预测方法，所述站点规划因子是基于如下步骤确定的：
[0022]获取连续多周的流量均值和在用站点数均值；
[0023]基于当前周的流量均值和在用站点数均值，以及上一周的流量均值和在用站点数均值，确定所述当前周单个站点数流量贡献因子；
[0024]基于各周单个站点数流量贡献因子的均值，确定所述站点规划因子。
[0025]根据本专利技术提供的网络容量预测方法，所述网络调整因子是基于如下步骤确定的：
[0026]基于所述待预测区域和所述待预测区域的邻小区的3D MIMO开启状态，确定第一流量增益因子；
[0027]基于所述待预测区域和所述待预测区域的邻小区之间的负载均衡开启状态，确定第二流量增益因子；
[0028]基于所述第一流量增益因子、所述第二流量增益因子以及流量增益分配权重，确定所述网络调整因子。
[0029]本专利技术还提供一种网络容量预测装置，包括：
[0030]获取单元，用于获取待预测区域的容量评估参数；
[0031]预测单元，用于将所述容量评估参数输入至网络容量预测模型，得到所述网络容量预测模型输出的网络容量预测值；
[0032]其中，所述网络容量预测模型是基于用户增长因子、站点规划因子、网络调整因子和事件影响因子中的至少一种对多个网络容量预测子模型的模型融合结果进行修正后得到的。
[0033]本专利技术还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述网络容量预测方法的步骤。
[0034]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述网络容量预测方法的步骤。
[0035]本专利技术提供的网络容量预测方法、装置、电子设备及存储介质，将待预测区域的容量评估参数输入至网络容量预测模型，能够得到网络容量预测值，由于网络容量预测模型是根据用户增长因子、站点规划因子、网络调整因子和事件影响因子中的至少一种对多个网络容量预测子模型的模型融合结果进行修正后得到的，能够充分利用多个子模型的拟合优势，同时，利用网络所处的场景构建多种影响因子对多个子模型的融合结果进行修正，提高了网络容量预测的准确度。
附图说明
[0036]为了更清楚地说明本专利技术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，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本专利技术提供的网络容量预测方法的流程示意图之一；
[0038]图2为本专利技术提供的模型迭代修正方法的流程示意图；
[0039]图3为本专利技术提供的网络容量预测方法的流程示意图之二；
[0040]图4为本专利技术提供的网络容量预测装置的结构示意图；
[0041]图5为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0042]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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作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。
[0043]现有关于网络容量的评估方法，通常是基于业务模型和话务模型分析获得。首先基于单业务模型，考虑业务数据经过各个传输协议层处理后到达物理传输层的实际速率需求，再结合空口平均吞吐量，从而获得单业务的用户容量；然后依据用户的话务模型分布，即各种业务的分布比例等特征，获得综合业务的用户容量，目前的技术根据业务数据和市场口的数据比较单一，数据质量也较为粗糙，网络容量预测的准确度低。
[0044]图1为本专利技术提供的网络容量预测方法的流程示意图之一，如图1所示，该方法包括：
[0045]步骤110，获取待预测区域的容量评估参数。
[0046]具体地，此处的待预测区域可以为一个小区，也可以为一个地区。容量评估参数为用于对待预测区域的网络容量进行评估的状态参数。例如，容量评估参数可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络容量预测方法，其特征在于，包括：获取待预测区域的容量评估参数；将所述容量评估参数输入至网络容量预测模型，得到所述网络容量预测模型输出的网络容量预测值；其中，所述网络容量预测模型是基于用户增长因子、站点规划因子、网络调整因子和事件影响因子中的至少一种对多个网络容量预测子模型的模型融合结果进行修正后得到的。2.根据权利要求1所述的网络容量预测方法，其特征在于，所述多个网络容量预测子模型的模型融合结果是基于如下步骤确定的：确定多个网络容量预测子模型，以及各个网络容量预测子模型的拟合误差；基于各个网络容量预测子模型的拟合误差，确定各个网络容量预测子模型的融合权重；基于各个网络容量预测子模型的融合权重，对所述多个网络容量预测子模型进行融合，得到所述模型融合结果。3.根据权利要求2所述的网络容量预测方法，其特征在于，所述确定多个网络容量预测子模型，以及各个网络容量预测子模型的拟合误差，包括：获取所述待预测区域的多个连续历史周期的容量评估参数和网络容量实际值；基于所述多个连续历史周期的容量评估参数和网络容量实际值，对各个网络容量预测子模型进行修正。4.根据权利要求1所述的网络容量预测方法，其特征在于，所述网络容量预测子模型是基于如下步骤确定的：确定多个初始模型；基于样本数据集，对每一初始模型进行训练，得到多个候选网络容量预测子模型；基于每一候选网络容量预测子模型的拟合误差，确定所述网络容量预测子模型。5.根据权利要求4所述的网络容量预测方法，其特征在于，所述初始模型包括修正指数曲线模型、龚伯兹曲线模型、逻辑斯蒂曲线模型和指数平滑法模型中的至少一种。6.根据权利...

【专利技术属性】
技术研发人员：刘建强，邹海燕，刘大洋，吴宝栋，陆南昌，蓝万顺，刘洋，
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：