本申请公开了一种通信网络负载预测方法、装置、设备及可读存储介质，该方法包括：基于目标通信网络的历史实际负载和历史实际负载的历史预测负载判断目标通信网络的负载预测模型是否适配目标通信网络的当前工作场景；若适配，则基于目标通信的近段负载数据和负载预测模型预测目标通信网络下一时刻的目标预测负载；若不适配，则基于目标通信网络的近段历史负载数据对负载预测模型进行更新，并基于更新后的负载预测模型以及近段负载数据预测目标预测负载，其中，近段历史负载数据为从当前时刻起之前第二预设时长内目标通信网络的历史负载数据。实时更新模型，可使得预测模型更加适配实时工作场景，从而得到更加准确的负载预测结果。测结果。测结果。
【技术实现步骤摘要】
通信网络负载预测方法、装置、设备及可读存储介质
[0001]本申请涉及通信
，尤其涉及一种通信网络负载预测方法、装置、设备及可读存储介质。
技术介绍
[0002]移动通信网络负载水平是影响通信网络运维决策(如网络资源配置，拓扑管理等)的关键性能指标。随着移动网络规模不断扩大，不同区域、不同时间段内移动通信网络基站接入节点通信负载水平存在明显差异，且呈现出动态变化的特征，加剧了通信网络管理难度以及管理成本。而对未来移动通信网络的通信负载情况进行预测可为网络运维决策提供先验信息，进而提前形成有效的应对决策方案。故对于当前移动网络规模亟需一种可准确预测移动通信网络的未来通信负载的方法。
[0003]上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0004]本申请的主要目的在于提供一种通信网络负载预测方法、装置、设备及可读存储介质，旨在提高移动通信网络未来通信负载预测结果的准确性。
[0005]为实现上述目的，本申请提供一种通信网络负载预测方法，所述通信网络负载预测方法包括以下步骤：
[0006]基于目标通信网络的历史实际负载和所述历史实际负载的历史预测负载判断所述目标通信网络的负载预测模型是否适配所述目标通信网络的当前工作场景；
[0007]若适配，则基于所述目标通信的近段负载数据和所述负载预测模型预测所述目标通信网络下一时刻的目标预测负载，其中，所述近段负载数据为从当前时刻起之前第一预设时长内所述目标通信网络的历史负载数据；<br/>[0008]若不适配，则基于所述目标通信网络的近段历史负载数据对所述负载预测模型进行更新，并基于更新后的负载预测模型以及所述近段负载数据预测所述目标预测负载，其中，所述近段历史负载数据为从当前时刻起之前第二预设时长内所述目标通信网络的历史负载数据，所述第二预设时长大于第一预设时长。
[0009]进一步的，所述基于目标通信网络的历史实际负载和所述历史实际负载的历史预测负载判断所述目标通信网络的负载预测模型是否适配所述目标通信网络的当前工作场景的步骤包括：
[0010]对所述历史实际负载进行向量特征提取得到第一负载向量特征；
[0011]对所述历史预测负载进行向量特征提取得到第二负载向量特征；
[0012]计算所述第一负载向量特征和第二负载向量特征之间的相似度；
[0013]若所述相似度大于预设相似度阈值，则判定所述负载预测模型适配所述目标通信网络的当前工作场景；
[0014]若所述相似度小于或等于所述预设相似度阈值，则判定所述负载预测模型不适配所述目标通信网络的当前工作场景。
[0015]进一步的，在所述基于目标通信网络的历史实际负载和所述历史实际负载的历史预测负载判断所述目标通信网络的负载预测模型是否适配所述目标通信网络的当前工作场景的步骤之前，所述方法包括：
[0016]基于所述目标通信网络的历史负载数据生成训练样本；
[0017]将所述训练样本中在时序上相邻的负载数据整合为样本特征输入至负载预测模型的得到所述训练样本的预测负载；
[0018]基于所述预测负载和所述训练样本的标签计算所述负载预测模型的模型预测损失；
[0019]基于所述模型预测损失对所述负载预测模型进行迭代更新。
[0020]进一步的，所述基于所述模型预测损失对所述负载预测模型进行迭代更新的步骤包括：
[0021]判断所述模型预测损失是否收敛；
[0022]若判定所述模型预测损失收敛，则所述负载预测模型训练完成；
[0023]若判定所述模型预测损失不收敛，则基于所述模型预测损失以及梯度下降法对所述负载预测模型中的参数进行更新；
[0024]基于新的训练样本和更新后的负载预测模型返回执行所述将所述训练样本中在时序上相邻的负载数据整合为样本特征输入至负载预测模型的得到所述训练样本的预测负载的步骤及后续步骤。
[0025]进一步的，所述目标通信网络包括有多个通信基站，所述基于所述目标通信网络的历史负载数据生成训练样本的步骤包括：
[0026]获取各所述通信基站的历史负载数据作为训练数据集；
[0027]基于预设时间窗口和所述训练数据集的时序顺序从所述训练数据集中提取到所述训练样本，其中，任意一个训练样本包括不同通信基站在同一时段下的预设时间窗口中不同时刻的负载数据，任意一个训练样本的标签为不同通信基站在训练样本对应时段的下一时刻的负载数据。
[0028]进一步的，所述基于所述目标通信网络的近段历史负载数据对所述负载预测模型进行更新的步骤包括：
[0029]获取各所述目标通信网络的近段历史负载数据作为所述训练数据集；
[0030]执行所述基于预设间隔和所述训练数据集的时序顺序从所述训练数据集中提取到所述训练样本的步骤及后续步骤。
[0031]进一步的，所述通信网络负载预测方法应用于所述目标通信网络的数字孪生网络，在所述基于目标通信网络的历史实际负载和所述历史实际负载的历史预测负载判断所述目标通信网络的负载预测模型是否适配所述目标通信网络的当前工作场景的步骤之前，所述方法还包括：
[0032]基于所述数字孪生网络获取所述目标通信网络的历史负载数据；
[0033]通过预设时间滑动窗口从所述历史负载数据中的最新历史负载数据出发实时提取所述近段历史负载数据。
[0034]此外，为实现上述目的，本申请还提供一种通信网络负载预测装置，所述的通信网络负载预测装置包括：
[0035]判断模块，用于基于目标通信网络的历史实际负载和所述历史实际负载的历史预测负载判断所述目标通信网络的负载预测模型是否适配所述目标通信网络的当前工作场景；
[0036]第一预测模块，用于若适配，则基于所述目标通信的近段负载数据和所述负载预测模型预测所述目标通信网络下一时刻的目标预测负载，其中，所述近段负载数据为从当前时刻起之前第一预设时长内所述目标通信网络的历史负载数据；
[0037]第二预测模块，用于若不适配，则基于所述目标通信网络的近段历史负载数据对所述负载预测模型进行更新，并基于更新后的负载预测模型以及所述近段负载数据预测所述目标预测负载，其中，所述近段历史负载数据为从当前时刻起之前第二预设时长内所述目标通信网络的历史负载数据，所述第二预设时长大于第一预设时长。
[0038]此外，为实现上述目的，本申请还提供一种通信网络负载预测设备，所述通信网络负载预测设备包括：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通信网络负载预测程序，所述通信网络负载预测程序被所述处理器执行时实现上述的通信网络负载预测方法的步骤。
[0039]此外，为实现上述目的，本申请还提供一种可读存储介质，所述可读存储介质上存储有通信网络负载预测程序，所述通信网络负载预测程序被处理器执行时实现如上述的通信网络负载预测方法的步骤。
[0040]本申请实施例提出的一种通信网络负本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种通信网络负载预测方法，其特征在于，所述通信网络负载预测方法包括以下步骤：基于目标通信网络的历史实际负载和所述历史实际负载的历史预测负载判断所述目标通信网络的负载预测模型是否适配所述目标通信网络的当前工作场景；若适配，则基于所述目标通信的近段负载数据和所述负载预测模型预测所述目标通信网络下一时刻的目标预测负载，其中，所述近段负载数据为从当前时刻起之前第一预设时长内所述目标通信网络的历史负载数据；若不适配，则基于所述目标通信网络的近段历史负载数据对所述负载预测模型进行更新，并基于更新后的负载预测模型以及所述近段负载数据预测所述目标预测负载，其中，所述近段历史负载数据为从当前时刻起之前第二预设时长内所述目标通信网络的历史负载数据，所述第二预设时长大于第一预设时长。2.如权利要求1所述的通信网络负载预测方法，其特征在于，所述基于目标通信网络的历史实际负载和所述历史实际负载的历史预测负载判断所述目标通信网络的负载预测模型是否适配所述目标通信网络的当前工作场景的步骤包括：对所述历史实际负载进行向量特征提取得到第一负载向量特征；对所述历史预测负载进行向量特征提取得到第二负载向量特征；计算所述第一负载向量特征和第二负载向量特征之间的相似度；若所述相似度大于预设相似度阈值，则判定所述负载预测模型适配所述目标通信网络的当前工作场景；若所述相似度小于或等于所述预设相似度阈值，则判定所述负载预测模型不适配所述目标通信网络的当前工作场景。3.如权利要求1所述的通信网络负载预测方法，其特征在于，在所述基于目标通信网络的历史实际负载和所述历史实际负载的历史预测负载判断所述目标通信网络的负载预测模型是否适配所述目标通信网络的当前工作场景的步骤之前，所述方法包括：基于所述目标通信网络的历史负载数据生成训练样本；将所述训练样本中在时序上相邻的负载数据整合为样本特征输入至负载预测模型的得到所述训练样本的预测负载；基于所述预测负载和所述训练样本的标签计算所述负载预测模型的模型预测损失；基于所述模型预测损失对所述负载预测模型进行迭代更新。4.如权利要求3所述的通信网络负载预测方法，其特征在于，所述基于所述模型预测损失对所述负载预测模型进行迭代更新的步骤包括：判断所述模型预测损失是否收敛；若判定所述模型预测损失收敛，则所述负载预测模型训练完成；若判定所述模型预测损失不收敛，则基于所述模型预测损失以及梯度下降法对所述负载预测模型中的参数进行更新；基于新的训练样本和更新后的负载预测模型返回执行所述将所述训练样本中在时序上相邻的负载数据整合为样本特征输入至负载预测模型的得到所述训练样本的预测负载的步骤及后续步骤。5.如权利要求4所述的通信网络负载预测方法，其特征在于，所述目标通信网络...
【专利技术属性】
技术研发人员：王雷雨，许晓东，陈昊，马楠，张平，
申请(专利权)人：鹏城实验室，
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。