本发明专利技术涉及通信领域，提供一种基站退服预测模型构建方法、装置、电子设备及存储介质，该方法包括：确定基站退服历史数据；对原始时间序列数据进行预处理，得到待优化预测模型；根据预设先验比例和造成基站退服的外部环境因素的退服比例，映射出自适应修正系数；基于自适应修正系数对待优化预测模型进行优化，构建出基于时间序列的基站退服预测模型。本发明专利技术实施例提供的基站退服预测模型构建方法根据先验比例和外部环境因素的退服比例，映射出自适应修正系数，通过自适应修正系数对待优化预测模型进行修正优化，使得构建出的基于时间序列的基站退服预测模型的整体预测误差小，预测精度高，从而通过基站退服预测模型准确预测出基站退服数量。站退服数量。站退服数量。
【技术实现步骤摘要】
基站退服预测模型构建方法、装置、电子设备及存储介质
[0001]本专利技术涉及通信领域，尤其涉及一种基站退服预测模型构建方法、装置、电子设备及存储介质。
技术介绍
[0002]目前基站退服预测模型大都数都是通过机器学习算法对海量的退服样本数据进行训练得到，再根据训练出的模型对基站退服进行预测。但是，目前基站退服预测模型前期需要大量的样本数据作为支撑进行训练，而退服数据大概基本在1个月左右，因此数据获取难度大。同时，基站退服往往与天气、基站动力情况、基站位置外电情况有关，现有的机器学习算法难以量化引入外界因素对模型的影响，从而使得训练出的基站退服预测模型不能准确预测出基站退服数量。
技术实现思路
[0003]本专利技术提供一种基站退服预测模型构建方法、装置、电子设备及存储介质，旨在准确预测出基站退服数量。
[0004]第一方面，本专利技术提供一种基站退服预测模型构建方法，包括：
[0005]确定基站退服历史数据；所述基站退服历史数据包括退服基站的原始时间序列数据；
[0006]对所述原始时间序列数据进行预处理，得到待优化预测模型；
[0007]根据预设先验比例和造成基站退服的外部环境因素的退服比例，映射出自适应修正系数；
[0008]基于所述自适应修正系数对所述待优化预测模型进行优化，构建出基于时间序列的基站退服预测模型。
[0009]在一个实施例中，所述根据预设先验比例和造成基站退服的外部环境因素的退服比例，映射出自适应修正系数，包括：
[0010]确定同时间动环停电基站数量以及分析范围内基站总数量；
[0011]基于所述同时间动环停电基站数量、所述分析范围内基站总数量和所述退服比例，计算出目标先验比例；
[0012]基于所述目标先验比例和所述预设先验比例，映射出所述自适应修正系数。
[0013]所述预设先验比例包括第一先验比例、第二先验比例和第三先验比例；所述基于所述目标先验比例和所述预设先验比例，映射出所述自适应修正系数，包括：
[0014]若所述目标先验比例小于所述第一先验比例，则映射出的所述自适应修正系数为第一修正系数；
[0015]若所述目标先验比例大于所述第一先验比例且小于所述第二先验比例，则映射出的所述自适应修正系数为第二修正系数；
[0016]若所述目标先验比例大于所述第二先验比例且小于所述第三先验比例，则映射出
的所述自适应修正系数为第三修正系数。
[0017]所述外部环境因素包括基站停电、光缆故障和设备故障；所述基站停电的退服比例为60％，所述光缆故障的退服比例为30％，所述设备故障退服比例为10％。
[0018]对所述待优化预测模型进行优化的过程中，还包括：
[0019]在所述待优化预测模型中，设置退服数据突变范围的预测参数、曲线拟合跟随性的预设参数、置信区间的预设参数和模型学习方式的预测参数。
[0020]所述基于所述自适应修正系数对所述待优化预测模型进行优化，构建出基于时间序列的基站退服预测模型之后，还包括：
[0021]确定待预测时间，并将所述待预测时间输入至所述基于时间序列的基站退服预测模型中，输出所述待预测时间的目标时间序列；所述目标时间序列包括每一个输出时间步长的基站退服总量。
[0022]所述输出所述待预测时间的目标时间序列之后，还包括：
[0023]将所述目标时间序列分解为趋势项、周期项、节假日项和误差项；
[0024]基于所述趋势项、所述周期项、所述节假日项和所述误差项，构建所述待预测时间的拟合曲线；
[0025]基于所述拟合曲线得到所述待预测时间的基站退服预测结果。
[0026]第二方面，本专利技术提供一种基站退服预测模型构建装置，包括：
[0027]确定模块，用于确定基站退服历史数据；所述基站退服历史数据包括退服基站的原始时间序列数据；
[0028]预处理模块，用于对所述原始时间序列数据进行预处理，得到待优化预测模型；
[0029]映射模块，用于根据预设先验比例和造成基站退服的外部环境因素的退服比例，映射出自适应修正系数；
[0030]模型构建模块，用于基于所述自适应修正系数对所述待优化预测模型进行优化，构建出基于时间序列的基站退服预测模型。
[0031]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述基站退服预测模型构建方法。
[0032]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述基站退服预测模型构建方法。
[0033]第五方面，本专利技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被所述处理器执行时实现第一方面所述基站退服预测模型构建方法。
[0034]本专利技术提供的基站退服预测模型构建方法、装置、电子设备及存储介质，确定基站退服历史数据；基站退服历史数据包括退服基站的原始时间序列数据；对原始时间序列数据进行预处理，得到待优化预测模型；根据预设先验比例和造成基站退服的外部环境因素的退服比例，映射出自适应修正系数；基于自适应修正系数对待优化预测模型进行优化，构建出基于时间序列的基站退服预测模型。
[0035]在基站退服预测模型构建的过程中，根据先验比例和外部环境因素的退服比例，
映射出自适应修正系数，通过自适应修正系数对待优化预测模型进行修正优化，使得构建出的基于时间序列的基站退服预测模型的整体预测误差小，预测精度高，通过基站退服预测模型能够较为准确地反应基站退服的发展态势，准确预测出基站退服数量。
附图说明
[0036]为了更清楚地说明本专利技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
[0037]图1是本专利技术提供的基站退服预测模型构建方法的流程示意图；
[0038]图2是本专利技术提供的基站退服预测模型构建整体方案流程图；
[0039]图3是本专利技术提供的模型拟合效果示意图；
[0040]图4是本专利技术提供的基站退服预测结果示意图；
[0041]图5是本专利技术提供的基站退服预测模型构建装置的结构示意图；
[0042]图6是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0043]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
[004本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基站退服预测模型构建方法，其特征在于，包括：确定基站退服历史数据；所述基站退服历史数据包括退服基站的原始时间序列数据；对所述原始时间序列数据进行预处理，得到待优化预测模型；根据预设先验比例和造成基站退服的外部环境因素的退服比例，映射出自适应修正系数；基于所述自适应修正系数对所述待优化预测模型进行优化，构建出基于时间序列的基站退服预测模型。2.根据权利要求1所述的基站退服预测模型构建方法，其特征在于，所述根据预设先验比例和造成基站退服的外部环境因素的退服比例，映射出自适应修正系数，包括：确定同时间动环停电基站数量以及分析范围内基站总数量；基于所述同时间动环停电基站数量、所述分析范围内基站总数量和所述退服比例，计算出目标先验比例；基于所述目标先验比例和所述预设先验比例，映射出所述自适应修正系数。3.根据权利要求2所述的基站退服预测模型构建方法，其特征在于，所述预设先验比例包括第一先验比例、第二先验比例和第三先验比例；所述基于所述目标先验比例和所述预设先验比例，映射出所述自适应修正系数，包括：若所述目标先验比例小于所述第一先验比例，则映射出的所述自适应修正系数为第一修正系数；若所述目标先验比例大于所述第一先验比例且小于所述第二先验比例，则映射出的所述自适应修正系数为第二修正系数；若所述目标先验比例大于所述第二先验比例且小于所述第三先验比例，则映射出的所述自适应修正系数为第三修正系数。4.根据权利要求1所述的基站退服预测模型构建方法，其特征在于，所述外部环境因素包括基站停电、光缆故障和设备故障；所述基站停电的退服比例为60％，所述光缆故障的退服比例为30％，所述设备故障退服比例为10％。5.根据权利要求1所述的基站退服预测模型构建方法，其特征在于，对所述待优化预测模型进行优化的过程中，还包括：在所述待优化预测模型中，设置退服数...
【专利技术属性】
技术研发人员：孟浩，艾怀丽，卫俊俊，张徐，刘森，
申请(专利权)人：中国移动紫金江苏创新研究院有限公司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。