進(jìn)行分?jǐn)?shù)差分得到序列Y(t); 對所述分?jǐn)?shù)差分序列Y (t)進(jìn)行季節(jié)探測獲得其周期系數(shù)，對其進(jìn)行周期為n的季節(jié)差 分，得到序列W(t); 對所述序列W(t)進(jìn)行ARMA建模預(yù)測，得出預(yù)測值。
8. 根據(jù)權(quán)利要求8所述的方法，其特征在于，所述采用ARMA模型對樣本序列進(jìn)行建模 預(yù)測，得出預(yù)測值的方法具體為： 對所述樣本序列X(t)進(jìn)行季節(jié)探測獲得其周期系數(shù)，對其進(jìn)行周期為m的季節(jié)差分， 得到序列M(t); 對所述序列M(t)進(jìn)行ARMA(p, q)定階； 計算所述選定階數(shù)的ARMA (p, q)模型參數(shù)； 根據(jù)所述確定階數(shù)和模型參數(shù)的ARMA(p，q)模型，對所述樣本序列X(t)進(jìn)行預(yù)測。
9. 根據(jù)權(quán)利要求7所述的方法，其特征在于： 當(dāng)所述各序列的自相似指數(shù)值〇. 5〈H〈1，確定該序列具有自相似特性； 當(dāng)所述各序列的多重分形譜開口 A a >0. 7,確定該序列具有多重分形特性。
10. 根據(jù)所述權(quán)利要求9所述的方法，其特征在于： 從移動網(wǎng)絡(luò)數(shù)據(jù)庫中選取數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量歷史值作為樣本，至少選取過去一個月以上 的樣本數(shù)據(jù)； 對所述樣本數(shù)據(jù)進(jìn)行包括補(bǔ)足缺失數(shù)據(jù)的預(yù)處理； 根據(jù)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量預(yù)測需求以時間維度確定樣本序列。
11. 一種移動網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量的預(yù)測裝置，其特征在于，所述裝置包括： 數(shù)據(jù)獲取單元，用于獲取基于時間順序的移動網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量歷史值序列作為樣 本序列； 數(shù)據(jù)分析單元，用于對所述數(shù)據(jù)獲取單元的樣本序列進(jìn)行自相似探測和多重分形探 測； 預(yù)測單元，用于根據(jù)所述數(shù)據(jù)分析單元探測的所述樣本序列特性，選擇與其適應(yīng)的模 型并進(jìn)行數(shù)據(jù)預(yù)測；若所述樣本序列不具有自相似特性，則根據(jù)ARMA模型對所述樣本序 列進(jìn)行預(yù)測，獲得預(yù)測值；若所述樣本序列僅具有自相似特性不具有多重分形特性，則根據(jù) FARIMA模型對所述樣本序列進(jìn)行建模預(yù)測，獲得預(yù)測值。
12. 根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述裝置還包括： 分形單元，用于若所述數(shù)據(jù)分析單元探測的所述樣本序列具有自相似特性和多重分形 特性，則消除所述樣本序列的多重分形特性后，獲得分支樣本序列；將所述分支樣本序列發(fā) 送至數(shù)據(jù)探測模塊進(jìn)行探測后，所述預(yù)測單元對所述分支樣本序列進(jìn)行預(yù)測。
13. 根據(jù)權(quán)利要求12所述的裝置，其特征在于： 所述分形單元依照數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量時間點(diǎn)分布特性分解所述具有多重分形特性的樣 本序列，得到多個分支序列； 所述數(shù)據(jù)分析單元對所述分形單元獲得的多個分支序列進(jìn)行多重分形探測，若該分支 序列已不具有多重分形特性，則不用繼續(xù)分解；若該分支序列仍具有多重分形特性，則所述 分型單元繼續(xù)對其進(jìn)行分解，直到獲得不具有多重分形特性的分支樣本序列為止。
14. 根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述預(yù)測單元進(jìn)一步包括： 模型選擇模塊，用于根據(jù)所述數(shù)據(jù)分析單元探測的所述樣本序列特性，選擇與其適應(yīng) 的模型，發(fā)送給相應(yīng)的模型預(yù)測單元進(jìn)行預(yù)測； FARIMA模型預(yù)測單元，用于對具有自相似特性的樣本序列采用FARIMA模型對樣本序 列進(jìn)行建模預(yù)測； ARMA模型預(yù)測單元，用于對不具有自相似特性的樣本序列采用ARMA模型對樣本序列 進(jìn)行建模預(yù)測。
15. 根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述數(shù)據(jù)分析單元進(jìn)一步包括： 自相似探測模塊，用于計算所述數(shù)據(jù)獲取單元獲得所述樣本序列的自相似指數(shù)值H，根 據(jù)H值確定樣本序列的自相似特性； 多重分形探測模塊，用于計算經(jīng)過所述自相似探測模塊探測過的具有自相似特性樣本 序列的多重分形譜，根據(jù)其多重分形譜開口 A a確定所述樣本序列是否具有多重分形特 性。
16. 根據(jù)權(quán)利要求15所述的裝置，其特征在于： 所述數(shù)據(jù)獲取單元還包括： 殘差序列獲取模塊，用于計算所述樣本序列實(shí)際值和其對應(yīng)預(yù)測值的誤差值，獲得殘 差序列； 所述數(shù)據(jù)獲取單元還用于接收與所述預(yù)測單元預(yù)測值相對應(yīng)的實(shí)際值，加入到所述樣 本序列中獲得新樣本序列； 所述數(shù)據(jù)分析單元還包括： 白噪聲檢驗(yàn)?zāi)K，用于對所述殘差序列獲取模塊獲得的殘差序列進(jìn)行白噪聲檢驗(yàn)； 所述自相似探測模塊對所述數(shù)據(jù)獲取單元獲取的所述新樣本序列計算自相似指數(shù)H' ； 所述預(yù)測單元還包括： 模型適用性確定模塊，用于根據(jù)所述白噪聲檢驗(yàn)?zāi)K對所述殘差序列的白噪聲檢驗(yàn)結(jié) 果與所述自相似探測模塊計算的新樣本序列自相似指數(shù)H'，檢驗(yàn)并確定所述新樣本序列使 用的預(yù)測模型，發(fā)送給相應(yīng)的模型預(yù)測單元進(jìn)行預(yù)測。
17. 根據(jù)權(quán)利要求16所述的裝置，其特征在于，所述模型適用性確定模塊完成模型確 定的方法為： 若所述自相似探測模塊獲得的新樣本序列自相似指數(shù)H'與所述樣本序列自相似指數(shù) H相同，且所述白噪聲檢驗(yàn)?zāi)K檢驗(yàn)的殘差序列仍為白噪聲，則針對新樣本序列使用與所述 樣本序列相同的預(yù)測模型對下一時間點(diǎn)的值進(jìn)行預(yù)測； 若所述自相似探測模塊獲得的新樣本序列的自相似指數(shù)H'與所述樣本序列自相似指 數(shù)H相同，且所述白噪聲檢驗(yàn)?zāi)K檢驗(yàn)的新殘差序列不是白噪聲，則所述分形單元針對新 樣本序列進(jìn)行多重分形后，針對所述經(jīng)過分形后的序列使用與所述原樣本序列相同的預(yù)測 模型對下一時間點(diǎn)的值進(jìn)行預(yù)測； 若所述自相似探測模塊獲得的新樣本序列的自相似指數(shù)H'與所述樣本序列自相似指 數(shù)H不同，則對所述新樣本序列進(jìn)行多重分形探測，根據(jù)所述探測結(jié)果結(jié)合所述新的自相 似指數(shù)H'對新樣本序列重新選擇相應(yīng)模型對下一時間點(diǎn)的值進(jìn)行預(yù)測。
18. 根據(jù)權(quán)利要求11-17中任一所述的裝置，其特征在于，所述預(yù)測單元采用FARIMA進(jìn) 行建模預(yù)測的方法為： 根據(jù)所述FARIMA模型結(jié)合所述樣本序列X (t)的自相似指數(shù)H，計算其分?jǐn)?shù)差分階數(shù)d； 根據(jù)以及所述分?jǐn)?shù)差分階數(shù)d對所述樣本序列進(jìn)行分?jǐn)?shù)差分得到序列Y(t); 對所述分?jǐn)?shù)差分序列Y (t)進(jìn)行季節(jié)探測獲得其周期系數(shù)，對其進(jìn)行周期為n的季節(jié)差 分，得到序列W(t); 對所述序列W(t)進(jìn)行ARMA建模預(yù)測，得出預(yù)測值。
19. 根據(jù)權(quán)利要求11-17中任一所述的裝置，其特征在于，所述預(yù)測單元采用ARMA進(jìn)行 建模預(yù)測的方法為： 對所述樣本序列X(t)進(jìn)行季節(jié)探測獲得其周期系數(shù)，對其進(jìn)行周期為m的季節(jié)差分， 得到序列； 對所述序列M(t)進(jìn)行ARMA(p, q)定階； 計算所述選定階數(shù)的ARMA (p, q)模型參數(shù)； 根據(jù)所述確定階數(shù)和模型參數(shù)的ARMA(p，q)模型，對所述樣本序列X(t)進(jìn)行預(yù)測。
【專利摘要】本發(fā)明公開了一種移動網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量的預(yù)測方法，所述方法包括下述步驟：獲取基于時間順序的移動網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量歷史值序列作為樣本序列；對所述樣本序列進(jìn)行自相似探測和多重分形探測，根據(jù)探測結(jié)果確定對所述樣本序列的預(yù)測方法：若所述樣本序列不具有自相似特性，則根據(jù)ARMA模型對所述樣本序列進(jìn)行預(yù)測，獲得預(yù)測值；若所述樣本序列僅具有自相似特性不具有多重分形特性，則根據(jù)FARIMA模型對所述樣本序列進(jìn)行建模預(yù)測，獲得預(yù)測值。同時本發(fā)明還公開了一種移動網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量的預(yù)測裝置。采用本發(fā)明能夠根據(jù)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量的實(shí)際特點(diǎn)選擇恰當(dāng)?shù)念A(yù)測模型進(jìn)行準(zhǔn)確預(yù)測，填補(bǔ)現(xiàn)有技術(shù)中無法準(zhǔn)確預(yù)測數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量的空白。
【IPC分類】H04W16-22, H04W24-02, H04W24-06
【公開號】CN104581749
【申請?zhí)枴緾N201310472559
【發(fā)明人】于艷華, 孫云秋, 潘陽發(fā), 宋俊德, 任志軍, 孟紅薇, 楊金蓮
【申請人】北京億陽信通科技有限公司, 億陽信通股份有限公司, 北京郵電大學(xué)
【公開日】2015年4月29日
【申請日】2013年10月11日