【技术实现步骤摘要】
本公开至少涉及数据分析，尤其涉及一种用户数预测方法、用户数预测装置以及计算机可读存储介质。
技术介绍
1、市场预测是企业经营管理中不可或缺的重要环节，可以帮助企业制定正确的经营决策、提高竞争力、改善经营管理水平、降低经营成本和进行市场定位。例如，在移动通信领域，较为准确的地预测用户数的发展情况，可以为运营商业务开展、产品制定提供强有力的数据支撑，有助于科学决策。
2、当前对用户预测的技术，一般是基于特征选择的结果采用回归类算法构建模型进行预测，存在单一预测模型预测准确度不高的难点。
技术实现思路
1、本公开所要解决的技术问题是针对上述不足，提供一种用户数预测方法、用户数预测装置以及计算机可读存储介质，以解决如何提高用户数预测准确度的问题。
2、第一方面，本公开提供一种用户数预测方法，所述方法包括：
3、连续获取i＝(1,2,…,p)期按口径j的等级k分布的第一用户数和i＝(1,2,…,p)期按日期分布的第二用户数
4、根据i＝(1,2,…,p)期按口径j的等级k分布的第一用户数采用综合回归预测模型预测t＝(p+1,p+2,…,n)期
5、第三用户数
6、根据i＝(1,2,…,p)期按日期分布的第二用户数采用时间序列预测模型预测t＝(p+1,p+2,…,n)期第四用户数
7、根据第三用户数和第四用户数获取用户数预测结果。
8、进一步地，连续获取i＝(1,2,…,p)期按口径j的等级k分布的
9、设置网络信号质量、资费水平、活跃度、业务类型中的至少一种用户口径j的多个分类等级k，
10、获取预测网络服务范围内今日之前连续的i＝(1,2,…,p)期按照每种用户口径j的每个分类等级k分布的每日第一用户数
11、获取预测网络服务范围内今日之前连续的i＝(1,2,…,p)期的每日全部用户数，
12、为每日全部用户数标注对应的每日日期特征，以获取i＝(1,2,…,p)期按日期特征分布的每日第二用户数
13、进一步地，其中：
14、综合回归预测模型的预测表达式为：
15、
16、时间序列预测模型的预测表达式为：
17、
18、其中，εt(θ1)、εt(θ2)为综合回归预测模型和时间序列预测模型预先训练获得的参数，
19、进一步地，其中：
20、综合回归预测模型和时间序列预测模型的参数预先根据历史数据训练获得，历史数据包括多组i＝(1,2,…,p)期按口径j的等级k分布的历史第一用户数i＝(1,2,…,p)期按日期分布的历史第二用户数和t＝(p+1,p+2,…,n)期历史真实用户数
21、进一步地，其中：
22、训练过程中，在给定综合回归预测模型和/或时间序列预测模型的初始参数后，根据如下目标函数表达式调整综合回归预测模型和/或时间序列预测模型的参数：
23、
24、其中：
25、φγ(εt(θ))为指数平方损失函数：
26、φγ(εt(θ))＝1-exp(-(εt(θ))2/γ)
27、为惩罚函数：
28、
29、其中，是实数集，γ>0是损失估计调整参数，λi>0为惩罚力度调整参数，θ＝θ1或θ2，θi为综合回归预测模型或时间序列预测模型中第i个自变量的当前系数，为综合回归预测模型或时间序列预测模型中第i个自变量的上一次系数，或
30、进一步地，根据第三用户数和第四用户数获取用户数预测结果，具体包括：
31、计算t＝(p+1,p+2,…,n)期第五用户数其中为权重，且满足和/或，
32、计算t＝(p+1,p+2,…,n)期第三用户数之和以获取第一预测用户总数y1，计算t＝(p+1,p+2,…,n)期第四用户数之和以获取第一预测用户总数y2，计算第三预测用户总数y＝w1y1+w2y2，其中w1,w2为权重，且满足0≤w1,w2≤1,w1+w2＝1。
33、第二方面，本公开提供一种用户数预测装置，所述装置包括：
34、基础数据模块，用于连续获取i＝(1,2,…,p)期按口径j的等级k分布的第一用户数和i＝(1,2,…,p)期按日期分布的第二用户数
35、第一预测模块，与基础数据模块连接，用于根据i＝(1,2,…,p)期按口径j的等级k分布的第一用户数采用综合回归预测模型预测t＝(p+1,p+2,…,n)期第三用户数
36、第二预测模块，与基础数据模块连接，用于根据i＝(1,2,…,p)期按日期分布的第二用户数采用时间序列预测模型预测t＝(p+1,p+2,…,n)期第四用户数
37、结果融合模块，与第一预测模块和第二预测模块连接，用于根据第三用户数和第四用户数获取用户数预测结果。
38、进一步地，基础数据模块具体包括：
39、第一基础数据单元，用于设置网络信号质量、资费水平、活跃度、业务类型中的至少一种用户口径j的多个分类等级k，
40、获取预测网络服务范围内今日之前连续的i＝(1,2,…,p)期按照每种用户口径j的每个分类等级k分布的每日第一用户数
41、第二基础数据单元，用于获取预测网络服务范围内今日之前连续的i＝(1,2,…,p)期的每日全部用户数，
42、为每日全部用户数标注对应的每日日期特征，以获取i＝(1,2,…,p)期按日期特征分布的每日第二用户数
43、进一步地，其中：
44、第一预测模块中综合回归预测模型的预测表达式为：
45、
46、第二预测模块中时间序列预测模型的预测表达式为：
47、
48、所述装置还包括模型训练模块，用于预先训练获得综合回归预测模型和时间序列预测模型的参数εt(θ1)、εt(θ2)，
49、第三方面，本公开提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器运行时，实现如上所述的用户数预测方法。
50、本公开提供一种用户数预测方法、用户数预测装置以及计算机可读存储介质，通过结合两种预测方法，提高用户数预测结果的准确度，具体是，通过获取多种口径分类的第一用户数，根据第一用户数预测获得第一种用户数预测结果，按照日期获取第二用户数进行预测，以获得第二种用户数预测结果，最终结合两种预测结果获得用户数的最终预测结果，提高了用户数预测结果的准确度。
本文档来自技高网...【技术保护点】
1.一种用户数预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，连续获取i＝(1,2,…,p)期按口径j的等级k分布的第一用户数和i＝(1,2,…,p)期按日期分布的第二用户数具体包括：
3.根据权利要求1或2所述的方法，其特征在于，其中：
4.根据权利要求3所述的方法，其特征在于，其中：
5.根据权利要求4所述的方法，其特征在于，其中：
6.根据权利要求4所述的方法，其特征在于，根据第三用户数和第四用户数获取用户数预测结果，具体包括：
7.一种用户数预测装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，基础数据模块具体包括：
9.根据权利要求7或8所述的装置，其特征在于，其中：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器运行时，实现如权利要求1-6任一项所述的用户数预测方法或7-9任一项所述的用户数预测装置。
【技术特征摘要】
1.一种用户数预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，连续获取i＝(1,2,…,p)期按口径j的等级k分布的第一用户数和i＝(1,2,…,p)期按日期分布的第二用户数具体包括：
3.根据权利要求1或2所述的方法，其特征在于，其中：
4.根据权利要求3所述的方法，其特征在于，其中：
5.根据权利要求4所述的方法，其特征在于，其中：
6.根据权利要求4所述的方法，其特征在于，根...
【专利技术属性】
技术研发人员：吴亚新，刘家坤，张军，
申请(专利权)人：中国联合网络通信集团有限公司，
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。