一种业务数据量和/或资源数据量的预测方法及预测系统技术方案

本发明专利技术提供了一种业务数据量和/或资源数据量的预测方法与预测系统，该方法包括构建业务数据量和/或资源数据量的原始数据集合；对原始数据集合进行降维预处理，得到预处理数据集合；先对预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合，根据初始聚类数据集合，再对原始数据集合进行至少一次精确聚类处理，得到精确聚类数据集合；根据精确聚类数据集合，确定预测模型；根据预测模型，得到业务和/或资源的预期数据量。本发明专利技术通过以上技术方案，解决了现有数据分析方式无法适用于日益增长的业务数据量和/或资源数据量的问题。该预测方法能够对日益增长的业务数据量和/或资源数据量进行分析与预测，且预测结果科学准确。

【技术实现步骤摘要】

本专利技术涉及移动通信
，尤其涉及一种业务数据量和/或资源数据量的预测方法及预测系统。
技术介绍
随着LTE(LongTermEvolution，长期演进)网络的发展与4G业务的普及，数据业务的种类和流量都有了很大的提高，因此，对用户的群体行为分析也就愈加复杂。以LTE为协议的通信系统所产生的用户行为数据与传统2G、3G完全不同，其包含了更多业务与资源的信息。在当前频谱带宽下，LTE协议能够提供更快的上下行峰值速率，因此数据业务的使用量大幅度增加，在无线侧与核心网侧产生的数据量以指数形式增长，因而传统的数据分析工具已经不再适用如此之大的数据量。
技术实现思路
本专利技术提供了一种业务数据量和/或资源数据量的预测方法及预测系统，解决了现有数据分析方式无法适用于日益增长的业务和/或资源的数据量，导致无法对业务和/或资源的数据量进行分析及预测的问题。为解决上述技术问题，本专利技术提供了一种业务数据量和/或资源数据量的预测方法，包括：构建业务数据量和/或资源数据量的原始数据集合；对所述原始数据集合进行降维预处理，得到预处理数据集合；先对所述预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合，根据所述初始聚类数据集合，再对所述原始数据集合进行至少一次精确聚类处理，得到精确聚类数据集合；根据所述精确聚类数据集合，确定预测模型；根据所述预测模型，得到所述业务和/或资源的预期数据量。在本专利技术的一种实施例中，构建业务数据量和/或资源数据量的原始数据集合具体包括：确定待预测的业务和/或资源；获取在至少一个历史时间段内，所述业务的消耗数据和/或资源的消耗数据，将所述业务的消耗数据作为所述业务数据量，将所述资源的消耗数据作为所述资源数据量；根据所述业务的消耗数据和/或资源的消耗数据，构建原始数据集合。在本专利技术的一种实施例中，通过主成分分析法，对所述原始数据集合进行降维预处理，得到预处理数据集合。在本专利技术的一种实施例中，在对所述原始数据集合进行降维预处理，得到预处理数据集合之前，还包括：对所述原始数据集合进行归一化处理；和/或，在对所述原始数据集合进行降维预处理，得到预处理数据集合之后，还包括：对所述预处理数据集合进行归一化处理。在本专利技术的一种实施例中，先对所述预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合，根据所述初始聚类数据集合，再对所述原始数据集合进行至少一次精确聚类处理，得到精确聚类数据集合具体包括：根据初始聚类方法，先对所述预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合；根据所述初始聚类数据集合，计算初始聚类中心；根据精确聚类方法、所述初始聚类中心，再对所述原始数据集合进行一次精确聚类处理，得到精确聚类数据集合。在本专利技术的一种实施例中，根据所述精确聚类数据集合，确定预测模型具体包括：在所述精确聚类数据集合中，确定基本项、待预测项；根据所述基本项、待预测项，确定基本数据量、待预测数据量；根据梯度下降法，对所述基本数据量、待预测数据量进行拟合，确定拟合函数，将所述拟合函数作为预测模型。在本专利技术的一种实施例中，根据所述预测模型，得到所述业务和/或资源的预期数据量具体包括：根据不同的基本项，选择不同的拟合函数；根据所述选择的拟合函数，对所述业务数据量和/或资源数据量进行预测，得到所述业务和/或资源的预期数据量。在本专利技术的一种实施例中，在根据所述预测模型，得到所述业务和/或资源的预期数据量之后，还包括：根据所述预期数据量，对网络进行优化。一种业务数据量和/或资源数据量的预测系统，包括：构建模块，用于构建业务数据量和/或资源数据量的原始数据集合；预处理模块，用于对所述构建模块构建的原始数据集合进行降维预处理，得到预处理数据集合；聚类模块，用于先对所述预处理模块得到的预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合，根据所述初始聚类数据集合，再对所述构建模块构建的原始数据集合进行至少一次精确聚类处理，得到精确聚类数据集合；确定模块，用于根据所述聚类模块得到的精确聚类数据集合，确定预测模型；预测模块，用于根据所述确定模块确定的预测模型，得到所述业务和/或资源的预期数据量。在本专利技术的一种实施例中，还包括获取模块；所述确定模块还用于确定待预测的业务和/或资源；所述获取模块，用于获取在至少一个历史时间段内，所述确定模块确定的业务的消耗数据和/或资源的消耗数据，将所述业务的消耗数据作为所述业务数据量，将所述资源的消耗数据作为所述资源数据量；所述构建模块具体用于根据所述获取模块获取的业务的消耗数据和/或资源的消耗数据，构建原始数据集合。在本专利技术的一种实施例中，所述预处理模块还用于在对所述构建模块构建的原始数据集合进行降维预处理，得到预处理数据集合之前，对所述原始数据集合进行归一化处理；和/或，所述预处理模块还用于在对所述构建模块构建的原始数据集合进行降维预处理，得到预处理数据集合之后，对所述预处理数据集合进行归一化处理。在本专利技术的一种实施例中，还包括计算模块，所述聚类模块包括初始聚类子模块、精确聚类子模块；所述初始聚类子模块，用于根据初始聚类方法，先对所述预处理模块得到的预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合；所述计算模块，用于根据所述初始聚类子模块得到的初始聚类数据集合，计算初始聚类中心；所述精确聚类子模块，用于根据精确聚类方法、所述计算模块计算的初始聚类中心，再对所述构建模块构建的原始数据集合进行一次精确聚类处理，得到精确聚类数据集合。在本专利技术的一种实施例中，所述确定模块还用于在所述精确聚类子模块得到的精确聚类数据集合中，确定基本项、待预测项；还用于根据所述基本项、待预测项，确定基本数据量、待预测数据量；所述确定模块具体用于根据梯度下降法，对所述基本数据量、待预测数据量进行拟合，确定拟合函数，将所述拟合函数作为预测模型在本专利技术的一种实施例中，还包括：选择模块，用于根据不同的基本项，选择不同的拟合函数；所述预测模块具体用于根据所述选择模块选择的拟合函数，对所述业务数据量和/或资源数据量进行预测，得到所述业务和/或资源的预期数据量。本专利技术的有益效果：本专利技术提供一种业务数据量和/或资源数据本文档来自技高网...

【技术保护点】
一种业务数据量和/或资源数据量的预测方法，其特征在于，包括： 构建业务数据量和/或资源数据量的原始数据集合； 对所述原始数据集合进行降维预处理，得到预处理数据集合； 先对所述预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合，根据所述初始聚类数据集合，再对所述原始数据集合进行至少一次精确聚类处理，得到精确聚类数据集合； 根据所述精确聚类数据集合，确定预测模型； 根据所述预测模型，得到所述业务和/或资源的预期数据量。

【技术特征摘要】
1.一种业务数据量和/或资源数据量的预测方法，其特征在于，包括：
构建业务数据量和/或资源数据量的原始数据集合；
对所述原始数据集合进行降维预处理，得到预处理数据集合；
先对所述预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合，根据所述初始聚类数据集合，再对所述原始数据集合进行至少一次精确聚类处理，得到精确聚类数据集合；
根据所述精确聚类数据集合，确定预测模型；
根据所述预测模型，得到所述业务和/或资源的预期数据量。
2.根据权利要求1所述的业务数据量和/或资源数据量的预测方法，其特征在于，构建业务数据量和/或资源数据量的原始数据集合具体包括：
确定待预测的业务和/或资源；
获取在至少一个历史时间段内，所述业务的消耗数据和/或资源的消耗数据，将所述业务的消耗数据作为所述业务数据量，将所述资源的消耗数据作为所述资源数据量；
根据所述业务的消耗数据和/或资源的消耗数据，构建原始数据集合。
3.根据权利要求1所述的业务数据量和/或资源数据量的预测方法，其特征在于，通过主成分分析法，对所述原始数据集合进行降维预处理，得到预处理数据集合。
4.根据权利要求1所述的业务数据量和/或资源数据量的预测方法，其特征在于，在对所述原始数据集合进行降维预处理，得到预处理数据集合之前，还包括：对所述原始数据集合进行归一化处理；
和/或，在对所述原始数据集合进行降维预处理，得到预处理数据集合之后，还包括：对所述预处理数据集合进行归一化处理。
5.根据权利要求1-4任一项所述的业务数据量和/或资源数据量的预测方法，其特征在于，先对所述预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合，根据所述初始聚类数据集合，再对所述原始数据集合进行至少一次精确聚类处理，得到精确聚类数据集合具体包括：
根据初始聚类方法，先对所述预处理数据集合进行一次初始聚类处理，得到初始聚类数据集合；
根据所述初始聚类数据集合，计算初始聚类中心；
根据精确聚类方法、所述初始聚类中心，再对所述原始数据集合进行一次精确聚类处理，得到精确聚类数据集合。
6.根据权利要求5所述的业务数据量和/或资源数据量的预测方法，其特征在于，根据所述精确聚类数据集合，确定预测模型具体包括：
在所述精确聚类数据集合中，确定基本项、待预测项；
根据所述基本项、待预测项，确定基本数据量、待预测数据量；
根据梯度下降法，对所述基本数据量、待预测数据量进行拟合，确定拟合函数，将所述拟合函数作为预测模型。
7.根据权利要求6所述的业务数据量和/或资源数据量的预测方法，其特征在于，根据所述预测模型，得到所述业务和/或资源的预期数据量具体包括：
根据不同的基本项，选择不同的拟合函数；
根据所述选择的拟合函数，对所述业务数据量和/或资源数据量进行预测，得到所述业务和/或资源的预期数据量。
8.根据权利要求1-3任一项所述的业务数据量和/或资源数据量的预测方法，其特征在于，在根据所述预测模型，得到所述业务和/或资源的预期数据量之后，还包括：
根据...

【专利技术属性】
技术研发人员：顾军，马达，张士蒙，高晶宝，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东;44