本发明专利技术公开了一种基于二进制指数回退偏差校正的网络用户到达率预测方法,属于无线网络技术领域。本方法根据真实无线网络中用户到达率的采样数据建立预测基准,在用户数据分析的基础上确定预测参数的更新周期,将预测数据与实际数据之间的差值认定为偏差,通过二进制指数回退因子对影响用户到达率的突发因素进行衰减性估计,从而消除突发因素对用户行为预测结果的影响,实现对无线网络中用户访问到达率的提前预测。本方法能够为无线网络在资源调配、资费标准调整等方面进行决策提供依据。
【技术实现步骤摘要】
本专利技术属于无线网络
,具体涉及一种以二进制指数回退方式进行偏差校正的网络用户到达率预测方法。
技术介绍
无线网络中用户的访问请求到达率(单位时间内请求接入无线网络的用户个数)直接影响该无线网络在未来一段时间内的网络服务用户数量、服务质量、维护强度、资费标准等参数,因此实现用户到达率的准确预测对无线网络运营具有十分重要的现实意义。本专利技术正是基于这种需求所提出的一种基于二进制指数回退偏差校正的网络用户到达率预测方法。目前在无线网络
对网络用户到达率进行预测的研究成果有:P.Moungnoul等人采用网格法和线性回归的方法,对GSM移动通信蜂窝网络中的用户行为模式进行了建模和预测;Farzaneh Kohandani等人先采用标准卡尔曼滤波递归对网络采样数据进行处理,然后通过引入纠正参数降低平均绝对百分误差的方法,对一个通信网络中用户的无线通话时间进行预测;Y.Akinage等人采用时间序列分析法对移动通信网络中的区域通信量进行预测,希望以此提高网络的接入和通信速度等。这些研究过程通常与特定的网络对象相关联,用户行为具有特定网络的特征。当突发性因素导致用户行为模式发生变化,使得用户到达率剧烈波动时,这些方法的预测结果难以及时体现变化。此外,这些预测方法往往也因为复杂度高、计算费时而给实时的系统应用带来一定困难。本专利技术提出的基于二进制指数回退偏差校正的预测方法完全解决了现有方法所存在的主要问题:不采用特定网络的任何参数或运营模式作为预测方法的一部分,使得预测对象脱离特定网络的特征,解决了预测结果依赖于特定网络的问题;通过偏差校正,使得突发性因素产生的影响能迅速被检测到,解决了突发性因素在预测结果中不能及时体现的问题;以统计学方法建立预测基准,在预测基准上进行二进制指数回退的突发性因素衰减计算,解决了计算复杂度高、实时系统应用困难的问题。
技术实现思路
本专利技术的目的是提出一种不依赖于特定网络,能够应用于实时系统,对无线网络中的用户到达率可以进行精确预测的方法。为完成本专利技术的目的,本专利技术采用的技术方案是:一种基于二进制指数回退偏差校正的网络用户到达率预测方法,包括以下步骤:步骤(1)、在需要进行网络用户行为预测的无线网络中进行用户到达率数据采样;步骤(2)、根据采样结果确定预测周期(通常以自然日24小时为周期),采用经典统计学方法(平均值法)建立用户到达率的预测基准;步骤(3)、确定回退周期,对回退周期内的突发性影响因素以二进制指数回退的方法进行消除,校正预测基准数据,从而对下一时间点的用户到达率进行预测;步骤(4)、根据当前用户到达率预测值和采样值计算偏差值,更新回退周期内的突发性影响因素。其中,对用户到达率数据采样是在采样时间区间内获取用户对无线网络进行服务请求的数据,在每一次进行预测前,采样数据必须进行更新,以保证所获取的数据要求是与距预测时间点最为接近的采样时间区间内的用户到达数据。其中,根据采样结果确定预测周期可以采用图像法、时间序列分析法等方法,预测周期通常为自然日(24小时)。这是通过对多个无线网络的用户行为模式进行分析,以及结合人类生活规律所确定的。尽管用户到达率会由于某些未知因素有所起伏,但是在总体上呈现以24小时为周期的周期性变化,每个周期中都在近似时间位置分别出现波峰和波谷。24小时恰好是一天的时间周期,用户请求呈现的周期性变化与人类生物周期相吻合,因此用户到达率所呈现的24小时周期性变化并不是偶然,而是由人类生活规律所决定的,生活规律驱使无线网络用户们在相似的时间点从事相似的活动。其中,突发性影响因素是指可能引起用户进入无线网络进行网络服务请求的变化。譬如暴雨天气使得人们无法外出,上网浏览、购物或者进行网络游戏的需求就会增加,而节假日人们外出庆祝度假,可能就会减少网络服务的需求。这些偶然或者必然因素(譬如天气属于偶然因素,而节假日则可以认为是必然因素)使得实际的网络用户到达率与预测值产生偏差。其中,回退周期表明突发性影响因素引发的后果并不会立即消失,而是会延续一段时间,突发性影响因素在回退周期内有效。尽管不同的因素作用的时间点、间隔长短有所不同,但是一个容易被理解的情况是:越是最近发生的突发情况越可能活跃,而之前一段时间发生的突发情况的影响则渐渐减弱,甚至可能已经不再作用。即,越是最近发生的突发情况,越可能引起无线网络用户实际的频谱服务请求与估计值之间的偏差,而过去发生的突发情况所引起的估计偏差则越来越小。本专利技术的原理在于:在需要进行网络用户行为预测的无线网络中进行用户到达率数据实时采样,保证用于预
测的采样数据包含突发性影响因素,采用经典统计学方法(平均值法)建立周期为自然日(24小时)的用户到达率预测基准,在预测基准上采用二进制指数回退方法对对回退周期内的突发性影响因素进行消除,从而实现对用户到达率的预测。与现有技术相比,本专利技术的有益效果是:(1)不依赖于特定网络的限制条件或性质,使得预测对象脱离特定网络的特征,解决了预测结果依赖于特定网络的问题;(2)通过偏差校正,使得突发性因素产生的影响能迅速被检测到,解决了突发性因素在预测结果中不能及时体现的问题;(3)以统计学方法(平均值法)建立预测基准,在预测基准上进行二进制指数回退的突发性因素衰减计算,降低了计算复杂度,解决了实时系统应用困难的问题。附图说明图1为本专利技术实现流程图;图2为一个普通无线网络用户到达率数据采样的截图;图3为本专利技术在用户到达平稳的情况下预测效果;图4为本专利技术在突发性因素引起用户到达急剧变化情况下的预测效果。具体实施方式下面结合附图和实施例对本专利技术作进一步的描述。本专利技术提出了一种基于二进制指数回退偏差校正的网络用户到达率预测方法,该方法基于事先采样完成对所预测网络的用户信息的收集。经过从多个无线网络进行采样和分析,可以发现无线网络中用户到达率具有如图2中的周期性特征。尽管用户请求会由于某些未知因素有所起伏,但是在总体上呈现以24小时为周期的周期性变化,每个周期中都在近似时间位置分别出现波峰和波谷。24小时恰好是一天的时间周期,用户请求呈现的周期性变化与人类生物周期相吻合,因此有理由相信用户请求到达强度所呈现的24小时周期性变化并不是偶然,而是由人类生活规律所决定的,生活规律驱使用户们在相似的时间点从事相似的活动。如图1所示,本专利技术的具体实施步骤如下:步骤(1)、在需要进行网络用户行为预测的无线网络中进行用户到达率数据采样。由于用户接入无线网络时需要由服务器分配IP地址,因此服务器可以记录每一个用户到达的时间,从而获得用户到达率的采样数据。步骤(2)、根据采样结果确定预测周期(通常以自然日24小时为周期),采用经典统计学方法(平均值法)建立用户到达率的预测基准。将网络用户在一个时间周期内进入无线网络进行频谱服务请求的强度以时间序列
{λ1,λ2,…,λ24本文档来自技高网...
【技术保护点】
一种基于二进制指数回退偏差校正的网络用户到达率预测方法,其特征在于实现步骤如下:步骤(1)、在需要进行网络用户行为预测的无线网络中进行用户到达率数据采样;步骤(2)、根据用户到达率数据采样结果确定预测周期,采用经典统计学方法建立用户到达率的预测基准数据;步骤(3)、确定回退周期,对回退周期内的突发性影响因素以二进制指数回退的方法进行消除,校正预测基准数据,从而对下一时间点的用户到达率进行预测;步骤(4)、根据当前用户到达率预测值和采样值计算偏差值,更新回退周期内的突发性影响因素。
【技术特征摘要】
1.一种基于二进制指数回退偏差校正的网络用户到达率预测方法,其特征在于实现步骤如下:步骤(1)、在需要进行网络用户行为预测的无线网络中进行用户到达率数据采样;步骤(2)、根据用户到达率数据采样结果确定预测周期,采用经典统计学方法建立用户到达率的预测基准数据;步骤(3)、确定回退周期,对回退周期内的突发性影响因素以二进制指数回退的方法进行消除,校正预测基准数据,从而对下一时间点的用户到达率进行预测;步骤(4)、根据当前用户到达率预测值和采样值计算偏差值,更新回退周期内的突发性影响因素。2.根据权利要求1中所述的一种基于二进制指数回退偏差校正的网络用户到达率预测方法,其特征在于:所述步骤(1)中对用户到达率数据采样是在采样时间区间内获取用户对无线网络进行服务请求的数据,在每一次进行预测前,采样数据必须进行更新,以保证所获取的数据要求是与距预测时间点最为接近的采样时间区间内的用户到达数据。3.根据权利要求1中所述的一种基于二进制指数回退偏差校正的网络用户到达率预测方法,其特征在于:所述步骤(2)中根据用户到达率数据采样结果确定预测周期,采用图像法、时间序列分析法,用户到达率在所确定的每个预测周期中都在近似时间位置分别出现波峰和波谷,从而确认用户到达率的周期性。4.根据权利要求1中所述的一种基于二进制指数回退偏差校正的网络用户到达率预测方法,其特征在于:所述步骤(3)中突发性影响因素是指可能...
【专利技术属性】
技术研发人员:王璐,吴威,周忠,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京;11
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。