【技术实现步骤摘要】
基于时空关联的小区业务量预测方法、装置及网络设备
[0001]本专利技术涉及通信
，具体涉及一种基于时空关联的小区业务量预测方法、装置及网络设备。
技术介绍
[0002]随着移动通信网络建设规模逐年增加，通信设备对能源的需求也与日俱增，移动通信网络的能耗在运营商的运营成本占比增加，使得运营商面临基站设备能耗增加的运营压力，因此，实现通信行业节能减排目标具有重要意义。目前可以通过预测基站未来业务流量的变化趋势，实现小区自动化节电，通过自动匹配节电措施、动态调整小区节电时长达到智能节电的效果，采用该方法，可在保障网络性能和用户感知的前提下，实现更优的节能效果。
[0003]现有技术中，实现小区业务量预测的方法主要是根据小区的历史业务量数据训练目标预测模型，再基于目标预测模型来预测小区在未来时间的业务量。这种方式主要存在以下问题：一是由于小区的业务量除了与上一时段的业务量相关，还受到相邻小区的影响，这种复杂的时空相关性使得仅仅根据目标小区的历史业务量进行业务量预测的准确性较低。二是现有目标预测模型仅根据历史业务量进行...
【技术保护点】
【技术特征摘要】
1.基于时空关联的小区业务量预测方法，其特征在于，所述方法包括：步骤1、确定目标小区对应的第一覆盖站点，并根据天线方位角从第一覆盖站点对应的小区中筛选得到目标小区的第一共覆盖小区；步骤2、为第一覆盖站点的基站匹配对打基站，确定第二覆盖站点，并根据天线方位角从第二覆盖站点对应的小区中筛选得到目标小区的第二共覆盖小区，所述第二覆盖站点与第一覆盖站点之间的距离以及连线方位角满足预设条件；步骤3、将所述目标小区、第一共覆盖小区和第二共覆盖小区合并后得到目标小区的共覆盖簇，并获取所述共覆盖簇中各小区基于历史时间序列的关键指标特征，所述关键指标特征至少包括业务量；步骤4、根据所述关键指标特征训练用于目标小区业务量预测的ConvLSTM模型，并基于所述ConvLSTM模型预测获得目标小区未来时间段内的业务量。2.如权利要求1所述的基于时空关联的小区业务量预测方法，其特征在于，所述根据天线方位角从第一覆盖站点对应的小区中筛选得到目标小区的第一共覆盖小区，具体包括：分别确定第一覆盖站点对应各小区的天线方位角与目标小区的天线方位角之间的第一夹角，将所述第一夹角小于第一预设值对应的小区作为第一共覆盖小区。3.如权利要求1所述的基于时空关联的小区业务量预测方法，其特征在于，所述根据天线方位角从第二覆盖站点对应的小区中筛选得到目标小区的第二共覆盖小区，具体包括：确定第二覆盖站点与第一覆盖站点之间的连线方位角，并分别确定第二覆盖站点对应各小区的天线方位角与所述连线方位角之间的第二夹角，将所述第二夹角小于第二预设值对应的小区作为第二共覆盖小区。4.如权利要求1所述的基于时空关联的小区业务量预测方法，其特征在于，所述预设条件为：所述第二覆盖站点与第一覆盖站点之间的距离小于第三预设值，所述第二覆盖站点与第一覆盖站点之间的连线方位角与目标小区的天线方位角之间的第三夹角小于第四预设值。5.如权利要求1所述的基于时空关联的小区业务量预测方法，其特征在于，所述根据关键指标特征训练用于目标小区业务量预测的ConvLSTM模型，具体包括：步骤41、构建ConvLSTM模型并初步确定所述ConvLSTM模型的模型参数；步骤42、将历史时间序列划分为多个预设时间历史时间段，并分别生成多个预设历史时间段的关键指标特征对应的特征矩阵；步骤43、将对应的特征矩阵作为ConvLSTM模型的输入，得到所述ConvLSTM模型输出的目标小区业务量的预测值；步骤44、选择目标函数，通过所述目标函数计算目标小区业务量的预测值与实际值之间的损失函数，并根据所述损失函数对模型参数的偏导数计算反向传播梯度；步骤45、根据所述反向传播梯度和学习率并基于梯度下降算法更新所述ConvLSTM模型的模型参数；步骤46、将下一预设历史时间段的关键指标特征对应的特征矩阵作为ConvLSTM模型的输入，重复执行步骤43
‑
45，直至目标函数最小化或者训练次数达到预设次数，完成Conv...
【专利技术属性】
技术研发人员：吴蔺春，刘雨桐，侯冬，
申请(专利权)人：东联信息技术有限公司，
类型：发明
国别省市：
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。