本发明专利技术提供了一种流量预测方法及流量预测装置，属于时序预测技术领域。流量预测方法，包括：对历史流量数据进行时序分解，将所述历史流量数据分解为趋势项、周期项和残差项；提取所述趋势项的时间特征和节假日特征，并将所述时间特征和节假日特征输入预先训练好的趋势项预测模型，得到趋势项的预测值；利用傅里叶变换对所述周期项进行系数校准，并对校准后的周期项进行延拓，得到所述周期项的预测值；对所述残差项进行历史残差混合，得到所述残差项的预测值；将所述趋势项的预测值、所述周期项的预测值和所述残差项的预测值相加，得到流量数据的预测值。本发明专利技术的技术方案能够提高流量预测的准确性。量预测的准确性。量预测的准确性。
【技术实现步骤摘要】
流量预测方法及流量预测装置
[0001]本专利技术涉及时序预测
，特别是指一种流量预测方法及流量预测装置。
技术介绍
[0002]中长期的时间序列预测可以辅助未来的资源规划与调度。流量作为现代生活中不可或缺的资源，准确高效的流量预测对于提升服务质量、增加运营商收入等至关重要。但由于流量受节假日、突发事件等影响，工作日和周末的周期模式不尽相同，并且由于预测长度较长，中长期的流量预测依然是巨大的挑战。
[0003]现有的中长期预测技术中，预测准确率随着时间推移下降明显。
技术实现思路
[0004]本专利技术要解决的技术问题是提供一种流量预测方法及流量预测装置，能够提高流量预测的准确性。
[0005]为解决上述技术问题，本专利技术的实施例提供技术方案如下：
[0006]一方面，本专利技术的实施例提供一种流量预测方法，包括：
[0007]对历史流量数据进行时序分解，将所述历史流量数据分解为趋势项、周期项和残差项；
[0008]提取所述趋势项的时间特征和节假日特征，并将所述时间特征和节假日特征输入预先训练好的趋势项预测模型，得到趋势项的预测值；
[0009]利用傅里叶变换对所述周期项进行系数校准，并对校准后的周期项进行延拓，得到所述周期项的预测值；
[0010]对所述残差项进行历史残差混合，得到所述残差项的预测值；
[0011]将所述趋势项的预测值、所述周期项的预测值和所述残差项的预测值相加，得到流量数据的预测值。
[0012]一些实施例中，对历史流量数据进行时序分解之前，所述方法还包括：
[0013]获取原始的历史流量数据；
[0014]对所述原始的历史流量数据进行预处理操作，得到所述历史流量数据，所述预处理操作包括以下至少一项：
[0015]按照时间信息对所述原始的历史流量数据进行升序排序；
[0016]补充缺失时刻的历史流量数据；
[0017]去除所述原始的历史流量数据中的异常数据。
[0018]一些实施例中，所述去除所述原始的历史流量数据中的异常数据包括：
[0019]采用3σ准则法确定所述原始的历史流量数据的第一阈值和第二阈值，将所述原始的历史流量数据中大于所述第一阈值的数据和小于所述第二阈值的数据标记为异常数据，并删除节假日之外的异常数据，其中，所述第一阈值大于所述第二阈值。
[0020]一些实施例中，所述补充缺失时刻的历史流量数据包括：
[0021]确定所述缺失时刻之前的第一时刻的历史流量数据和所述缺失时刻之后的第二时刻的历史流量数据；
[0022]建立所述第一时刻的历史流量数据和所述第二时刻的历史流量数据之间的线性关系；
[0023]根据所述线性关系确定缺失时刻的历史流量数据。
[0024]一些实施例中，所述趋势项预测模型为XGBoost模型，目标函数使用均方误差，子树的最大深度是5，训练时的迭代次数不小于1000，最小叶子节点权重和为1。
[0025]一些实施例中，所述利用傅里叶变换对所述周期项进行系数校准包括：
[0026]对所述历史流量数据进行傅里叶变换，得到第一频谱；
[0027]从所述第一频谱中的直流分量开始累积频谱线能量值，直至累积的频谱线能量值大于所述第一频谱的频域能量的预设比例，确定对应谱线所在的频率为截止频率；
[0028]利用所述截止频率对所述第一频谱进行低通滤波，得到第二频谱；
[0029]对所述第二频谱进行逆傅里叶变换，得到重构后的流量数据；
[0030]对所述重构后的流量数据进行归一化处理，利用归一化处理后的流量数据计算所述周期项的调整系数；
[0031]利用所述调整系数对所述周期项进行调整。
[0032]一些实施例中，所述提取所述趋势项的时间特征和节假日特征包括：
[0033]提取所述趋势项对应的以下日期信息：公历年、公历月、公历日、阴历年、阴历月、阴历日、星期；
[0034]根据所述日期信息提取出所述趋势项中的节假日特征，所述节假日特征的日期信息符合以下至少一项：春节、国庆节、劳动节、清明节、中秋节、端午节、元旦、星期六、星期日。
[0035]一些实施例中，所述残差项的预测值为m个历史残差项的平均值，m为正整数。
[0036]本专利技术实施例还提供了一种流量预测装置，包括：
[0037]时序分解模块，用于对历史流量数据进行时序分解，将所述历史流量数据分解为趋势项、周期项和残差项；
[0038]第一预测模块，用于提取所述趋势项的时间特征和节假日特征，并将所述时间特征和节假日特征输入预先训练好的趋势项预测模型，得到趋势项的预测值；
[0039]第二预测模块，用于利用傅里叶变换对所述周期项进行系数校准，并对校准后的周期项进行延拓，得到所述周期项的预测值；
[0040]第三预测模块，用于对所述残差项进行历史残差混合，得到所述残差项的预测值；
[0041]处理模块，用于将所述趋势项的预测值、所述周期项的预测值和所述残差项的预测值相加，得到流量数据的预测值。
[0042]一些实施例中，所述装置还包括：
[0043]获取模块，用于获取原始的历史流量数据；
[0044]预处理模块，用于对所述原始的历史流量数据进行预处理操作，得到所述历史流量数据，所述预处理操作包括以下至少一项：
[0045]按照时间信息对所述原始的历史流量数据进行升序排序；
[0046]补充缺失时刻的历史流量数据；
[0047]去除所述原始的历史流量数据中的异常数据。
[0048]一些实施例中，所述预处理模块具体用于采用3σ准则法确定所述原始的历史流量数据的第一阈值和第二阈值，将所述原始的历史流量数据中大于所述第一阈值的数据和小于所述第二阈值的数据标记为异常数据，并删除节假日之外的异常数据，其中，所述第一阈值大于所述第二阈值。
[0049]一些实施例中，所述预处理模块具体用于确定所述缺失时刻之前的第一时刻的历史流量数据和所述缺失时刻之后的第二时刻的历史流量数据；建立所述第一时刻的历史流量数据和所述第二时刻的历史流量数据之间的线性关系；根据所述线性关系确定缺失时刻的历史流量数据。
[0050]一些实施例中，所述趋势项预测模型为XGBoost模型，目标函数使用均方误差，子树的最大深度是5，训练时的迭代次数不小于1000，最小叶子节点权重和为1。
[0051]一些实施例中，所述第二预测模块具体用于对所述历史流量数据进行傅里叶变换，得到第一频谱；从所述第一频谱中的直流分量开始累积频谱线能量值，直至累积的频谱线能量值大于所述第一频谱的频域能量的预设比例，确定对应谱线所在的频率为截止频率；利用所述截止频率对所述第一频谱进行低通滤波，得到第二频谱，对所述第二频谱进行逆傅里叶变换，得到重构后的流量数据；对所述重构后的流量数据进行归一化处理，利用归一化处理后的流量数据计算所述周期项的调整系数；利用所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种流量预测方法，其特征在于，包括：对历史流量数据进行时序分解，将所述历史流量数据分解为趋势项、周期项和残差项；提取所述趋势项的时间特征和节假日特征，并将所述时间特征和节假日特征输入预先训练好的趋势项预测模型，得到趋势项的预测值；利用傅里叶变换对所述周期项进行系数校准，并对校准后的周期项进行延拓，得到所述周期项的预测值；对所述残差项进行历史残差混合，得到所述残差项的预测值；将所述趋势项的预测值、所述周期项的预测值和所述残差项的预测值相加，得到流量数据的预测值。2.根据权利要求1所述的流量预测方法，其特征在于，对历史流量数据进行时序分解之前，所述方法还包括：获取原始的历史流量数据；对所述原始的历史流量数据进行预处理操作，得到所述历史流量数据，所述预处理操作包括以下至少一项：按照时间信息对所述原始的历史流量数据进行升序排序；补充缺失时刻的历史流量数据；去除所述原始的历史流量数据中的异常数据。3.根据权利要求2所述的流量预测方法，其特征在于，所述去除所述原始的历史流量数据中的异常数据包括：采用3σ准则法确定所述原始的历史流量数据的第一阈值和第二阈值，将所述原始的历史流量数据中大于所述第一阈值的数据和小于所述第二阈值的数据标记为异常数据，并删除节假日之外的异常数据，其中，所述第一阈值大于所述第二阈值。4.根据权利要求2所述的流量预测方法，其特征在于，所述补充缺失时刻的历史流量数据包括：确定所述缺失时刻之前的第一时刻的历史流量数据和所述缺失时刻之后的第二时刻的历史流量数据；建立所述第一时刻的历史流量数据和所述第二时刻的历史流量数据之间的线性关系；根据所述线性关系确定缺失时刻的历史流量数据。5.根据权利要求1所述的流量预测方法，其特征在于，所述趋势项预测模型为XGBoost模型，目标函数使用均方误差，子树的最大深度是5，训练时的迭代次数不小于1000，最小叶子节点权重和为1。6.根据权利要求1所述的流量预测方法，其特征在于，所述利用傅里叶变换对所述周期项进行系数校准包括：对所述历史流量数据进行傅里叶变换，得到第一频谱；从所述第一频谱中的直流分...
【专利技术属性】
技术研发人员：王士一，朱琳，袁向阳，
申请(专利权)人：中国移动通信集团有限公司，
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。