一种业务数据预测方法及装置制造方法及图纸

本发明专利技术实施例提供一种业务数据预测方法及装置，涉及通信技术领域，通过Holt-Winters模型进行业务数据预测，解决了现有预测模型预测曲线过于平滑、预测出的数据较难反映通信用户产生的语音和流量业务数据随着时间周期产生的波动与随机突发局限性。本发明专利技术提供的方法包括：获取样本序列，其中，所述样本序列包含：至少一个业务数据，每个业务数据对应一个时间周期，且所述至少一个业务数据的时间周期相连续；根据所述样本序列构建霍尔特-温特斯Holt-Winters预测模型，其中，所述Holt-Winters预测模型用于：预测具有趋势性、季节性及周期性的数据序列；利用所述Holt-Winters预测模型预测业务数据。

【技术实现步骤摘要】

本专利技术实施例涉及通信
，尤其涉及一种业务数据预测方法及装置。
技术介绍
在移动通信网网络规划与网络容量分析中，业务预测起着非常重要的作用，它主要通过对未来不确定数据的推算、揭示其发展规律并做出定量的估计分析为移动通信网发展规模、移动通信网规划以及各类网络方案的制定提供基础和依据。目前，通常采用数学函数的求解分析方法对通信网络中的业务数据进行预测，如:一元或多元回归分析预测方法等。但是，现有预测方法采用的模型多为曲线指数平滑预测模型，预测出的曲线过于平滑，对于峰值和低谷的预测值往往过于平均，一般来说，这种预测方法对于平稳业务数据或非平稳的只有趋势性的业务数据进行预测比较有效，但对于既有季节性、周期性又有趋势性的业务数据现有基本上是无效的，预测出的业务数据很难反映出实际通信网络中业务数据随季节性及周期性波动的情况，在实际应用场景中存在一定的局限性，降低了通信网络中业务数据预测的准确性。
技术实现思路
本专利技术的实施例提供一种信息获取系统及方法，以解决现有通信网络中业务数据预测的准确性较低的问题。为达到上述目的，本专利技术的实施例采用如下技术方案:第一方面，本专利技术实施例提供了一种业务数据预测方法，包括:获取样本序列，其中，所述样本序列包含:至少一个业务数据，每个业务数据对应一个时间周期，且所述至少一个业务数据的时间周期相连续；根据所述样本序列构建霍尔特-温特斯Holt-Winters预测模型，其中，所述Holt-Winters预测模型用于:预测具有趋势性、季节性及周期性的数据序列；利用所述Holt-Winters预测模型预测业务数据。第二方面，本专利技术实施例提供了一种业务数据预测装置，包括:获取单元，用于获取样本序列，其中，所述样本序列包含:至少一个业务数据，每个业务数据对应一个时间周期，且所述至少一个业务数据的时间周期相连续；模型构建单元，用于根据所述获取单元获取到的样本序列构建霍尔特-温特斯Holt-Winters预测模型，其中，所述Holt-Winters预测模型用于:预测具有趋势性、季节性及周期性的数据序列；预测单元，用于利用所述模型构建单元构建的Holt-Winters预测模型预测业务数据。由上可知，本专利技术实施例提供一种业务数据预测方法，获取样本序列，其中，所述样本序列包含:至少一个业务数据，每个业务数据对应一个时间周期，且所述至少一个业务数据的时间周期相连续；根据所述样本序列构建霍尔特-温特斯Holt-Winters预测模型，其中，所述Holt-Winters预测模型用于:预测具有趋势性、季节性及周期性的数据序列；利用所述Holt-Winters预测模型预测业务数据。如此，通过Holt-Winters模型进行业务数据预测，由于Holt-Winters模型可以很好的保存时间序列数据的趋势和季节性信息，所以，利用该模型预测出的业务数据可以很好地反映出趋势性、季节性、随机性的特点，且预测结果准确性较高，对网络资源的合理投放有着指导作用，解决了现有预测模型预测曲线过于平滑、预测出的数据较难反映通信用户产生的语音和流量业务数据随着时间周期产生的波动与随机突发局限性。【附图说明】为了更清楚地说明本专利技术实施例的技术方案，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。图1为本专利技术实施例提供的一种业务数据预测方法的流程图；图2为本专利技术实施例提供的一种业务数据预测装置的结构图；图2A为本专利技术实施例提供的一种业务数据预测装置的结构图。【具体实施方式】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，所描述的实施例仅仅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。实施例一图1为本专利技术实施例提供的一种业务数据预测方法的流程图，所述方法应用于业务数据预测装置，如图1所示，所述方法可以包括:步骤101:获取样本序列，其中，所述样本序列包含:至少一个业务数据，每个业务数据对应一个时间周期，且所述至少一个业务数据的时间周期相连续。其中，业务数据可以为:通信网中用户的语音通话量、数据流量等可用于业务预测的数据。具体的，所述获取样本序列可以包括:从数据库中提取业务数据集；其中，所述业务数据集包含时间周期连续的至少一个业务数据；将所述业务数据集中满足预设要求的业务数据作为所述样本序列。其中，业务数据集可以包含移动通信网中不小于3年逐月历史的用户业务数据；预设要求可以根据用户需要进行设置，本专利技术实施例对比不进行限定。优选的，可以以小区级、场景级、本地网级进行划分，将业务数据集中某一时间周期下处于某小区或某场景下或本地网络中的业务数据筛选出来作为所述样本序列中的一个业务数据。例如，业务数据集中获取到2013年第一月的业务数据包括:本地网1、本地网2以及本地网3下的业务数据，此时，若用户仅需要预测本地网I下的业务数据，可以从业务数据中提取本地网I对应的业务数据作为样本序列中2013年第一月的业务数据。需要说明的是，本专利技术实施例中，所述样本序列中的业务数据越多，根据所述业务数据获取到的预测模型越精确，但随之而来的计算量也越大，鉴于此，本专利技术实施例中选取的构建预测模型的业务数据的个数可以根据需要进行设置。步骤102:根据所述样本序列构建霍尔特-温特斯Holt-Winters预测模型，其中，所述Holt-Winters预测模型用于:预测具有趋势性、季节性及周期性的数据序列。可选的，所述Holt-Winters预测模型可以为Holt-Winters加法预测模型或Holt-Winters乘法预测模型，所述根据所述样本序列构建霍尔特-温特斯Holt-Winters预测模型可以包括:根据所述样本序列构建Holt-Winters加法预测模型；或者，根据所述样本序列构建Holt-Winters乘法预测模型。具体的，所述根据所述样本序列构建Holt-Winters加法预测模型可以包括:利用所述样本序列中的业务数据，对公式at= a (y t_ct s) + (1_ α ) (at Jbt》、bt =β (at-at XlDbt !、ct= γ (y t-at) + (1-γ ) ct s进行迭代计算，获取所述 Holt-Winters加法预测模型中的平滑系数at、bt、ct;其中α、β、γ为平滑因子，取值介于O与I之间，yt为所述样本序列中当前时期t下的业务数据，s表示季节周期长度；根据所述平滑系数at、bt、(^获得所述Holt-Winters加法预测模型y ' t+k =at+btk+ct+k^中所述a廣示截距，所述b表示趋势，所述c t表示加法模型的季节因子，所述t表示当前时期，所述t为大于等于I的整数；所述k为向后平滑期数，所述k>0。具体的，所述根据所述样本序列构建Holt-Winters乘法预测模型可以包括:利用所述样本序列中的业务数据，对公式at= a (y t/ct s) + (1_ α ) (at Jbt》、bt =本文档来自技高网...

【技术保护点】
一种业务数据预测方法，其特征在于，包括：获取样本序列，其中，所述样本序列包含：至少一个业务数据，每个业务数据对应一个时间周期，且所述至少一个业务数据的时间周期相连续；根据所述样本序列构建霍尔特‑温特斯Holt‑Winters预测模型，其中，所述Holt‑Winters预测模型用于：预测具有趋势性、季节性及周期性的数据序列；利用所述Holt‑Winters预测模型预测业务数据。

【技术特征摘要】

【专利技术属性】
技术研发人员：肖旭旭，唐琳钧，王昕，钟声，冯喆，
申请(专利权)人：中国联合网络通信集团有限公司，中讯邮电咨询设计院有限公司，
类型：发明
国别省市：北京;11