專利名稱：基于業(yè)務(wù)特征的通信業(yè)務(wù)預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信技術(shù)領(lǐng)域，特別是涉及一種基于業(yè)務(wù)特征的通信業(yè)務(wù)預(yù)測(cè)方法。
背景技術(shù)：
目前，大部分運(yùn)營(yíng)商采用的無(wú)線通信業(yè)務(wù)預(yù)測(cè)技術(shù)僅限于簡(jiǎn)單函數(shù)的擬合預(yù)測(cè)，輸入?yún)?shù)和預(yù)測(cè)模型都相對(duì)簡(jiǎn)單，實(shí)際上是對(duì)一種趨勢(shì)的粗略的估計(jì)，在無(wú)線通信業(yè)務(wù)快速發(fā)展和網(wǎng)絡(luò)快速工程建設(shè)中，起到一定的積極作用。而今天，隨著用戶行為以及網(wǎng)絡(luò)規(guī)模和結(jié)構(gòu)的變化，使得原有簡(jiǎn)單的預(yù)測(cè)技術(shù)已經(jīng)不再適合了?？偨Y(jié)起來(lái)，當(dāng)前主要的無(wú)線通信業(yè)務(wù)預(yù)測(cè)方法包括慣性預(yù)測(cè)、卡爾曼濾波、話務(wù)量OLAP (On-Line Analytical Processing,在線分析處理)分析等。其中慣性預(yù)測(cè)和卡爾曼
濾波相對(duì)簡(jiǎn)單，但是難以滿足現(xiàn)階段話務(wù)量的復(fù)雜變化方式。隨著時(shí)序預(yù)測(cè)問(wèn)題的深入研究，其技術(shù)手段由原來(lái)的概率論、隨機(jī)過(guò)程等純數(shù)學(xué)的方法，如米用 ARMA (Auto-Regressive and Moving Average Model,自回歸滑動(dòng)平均模型)預(yù)測(cè)模型來(lái)近似描述時(shí)間序列，到引入動(dòng)力學(xué)系統(tǒng)的一些知識(shí)抽取時(shí)序的系統(tǒng)特征，再到引入神經(jīng)網(wǎng)絡(luò)等人工智能領(lǐng)域內(nèi)的技術(shù)和數(shù)學(xué)手段相結(jié)合的方法，綜合性越來(lái)越強(qiáng)。ARMA模型被廣泛地應(yīng)用于時(shí)間序列的分析和預(yù)測(cè)，若時(shí)間序列是平穩(wěn)的，可以用自回歸模型AR (P)、滑動(dòng)平均MA模型、自回歸移動(dòng)平均模型ARMA (p，q)來(lái)進(jìn)行分析，ARMA模型能夠較好地描述時(shí)間序列，但是其前提是時(shí)間序列是平穩(wěn)的，缺點(diǎn)是預(yù)測(cè)速度慢。神經(jīng)網(wǎng)絡(luò)己經(jīng)成為預(yù)測(cè)的一種重要模型，神經(jīng)網(wǎng)絡(luò)有多種結(jié)構(gòu)，最常用的是多層BP模型。但是BP預(yù)測(cè)模型的參數(shù)難以選擇，難以確定隱含層和隱含層節(jié)點(diǎn)的個(gè)數(shù)?；谥С窒蛄繖C(jī)(SVM)回歸分析的預(yù)測(cè)模型，由于有較為嚴(yán)格的統(tǒng)計(jì)學(xué)習(xí)理論作保證，應(yīng)用SVM方法建立的模型具有較好的推廣能力。近年來(lái)SVM被廣泛的應(yīng)用于人工智能的各個(gè)方面，并取得了成功的應(yīng)用；SVM通過(guò)核函數(shù)實(shí)現(xiàn)到高維空間的非線性映射，所以適合于解決本質(zhì)上非線性的回歸函數(shù)估計(jì)等問(wèn)題。話務(wù)量數(shù)據(jù)是一種非線性的時(shí)間序列，因此SVM同樣適用于建立話務(wù)量的預(yù)測(cè)模型。業(yè)務(wù)預(yù)測(cè)的主要目標(biāo)是實(shí)現(xiàn)對(duì)未來(lái)業(yè)務(wù)的精確預(yù)測(cè)，并進(jìn)一步指導(dǎo)網(wǎng)絡(luò)性能的評(píng)估以及網(wǎng)絡(luò)的規(guī)劃優(yōu)化。當(dāng)前業(yè)務(wù)預(yù)測(cè)方法普遍存在的不足是1、一方面不斷引入更新更復(fù)雜的算法，例如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)；另一方面則忽視了業(yè)務(wù)特征上的分析，企圖以一個(gè)模型預(yù)測(cè)所有可能特征的業(yè)務(wù)。事實(shí)上，業(yè)務(wù)的區(qū)域性、周期性、業(yè)務(wù)特征的差異化要求同時(shí)存在多個(gè)業(yè)務(wù)預(yù)測(cè)模型，以實(shí)現(xiàn)對(duì)具有不同特征的業(yè)務(wù)進(jìn)行精確預(yù)測(cè)。2、當(dāng)前業(yè)務(wù)預(yù)測(cè)試圖預(yù)測(cè)單一站點(diǎn)的業(yè)務(wù)量；然而，由于蜂窩系統(tǒng)中用戶的移動(dòng)性特點(diǎn)，對(duì)單一站點(diǎn)執(zhí)行業(yè)務(wù)預(yù)測(cè)是不合理的，很難達(dá)到一個(gè)穩(wěn)定的結(jié)果。3、既有業(yè)務(wù)預(yù)測(cè)沒(méi)有將覆蓋盲區(qū)作為潛在業(yè)務(wù)量生成空間共同生成業(yè)務(wù)的預(yù)測(cè)結(jié)果，使得業(yè)務(wù)預(yù)測(cè)結(jié)果難以有效地用于指導(dǎo)網(wǎng)絡(luò)的評(píng)估規(guī)劃以及優(yōu)化。4、現(xiàn)有預(yù)測(cè)方法希望能夠?qū)v史數(shù)據(jù)用于預(yù)測(cè)未來(lái)較長(zhǎng)時(shí)間的業(yè)務(wù)量，因此，如果沒(méi)有捕捉到在這段時(shí)間內(nèi)外界突發(fā)因素的影響以及業(yè)務(wù)量趨勢(shì)的變化，則難以進(jìn)行精確的預(yù)測(cè)。5、現(xiàn)有預(yù)測(cè)方案期望根據(jù)輸入的數(shù)據(jù)，不斷調(diào)整預(yù)測(cè)模型的參數(shù)，從而引入了大量的預(yù)測(cè)模型訓(xùn)練開(kāi)銷和延遲。綜上所述，已有的研究大多是采納神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)模型以及演進(jìn)模型這些復(fù)雜的數(shù)學(xué)工具實(shí)現(xiàn)業(yè)務(wù)預(yù)測(cè)。但是對(duì)于業(yè)務(wù)特征的研究以及業(yè)務(wù)樣本的構(gòu)造則鮮有提及或者不夠深入。然而，業(yè)務(wù)的樣本特征是預(yù)測(cè)算法性能的關(guān)鍵影響因子，可以說(shuō)沒(méi)有好的樣本，就沒(méi)有好的預(yù)測(cè)樣本，也就難以設(shè)計(jì)出好的預(yù)測(cè)算法。因此，利用現(xiàn)代數(shù)學(xué)中有關(guān)估計(jì)和預(yù)測(cè)模型進(jìn)行移動(dòng)網(wǎng)絡(luò)話務(wù)模型研究，提高預(yù)測(cè)的準(zhǔn)確度，意義非常重大。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問(wèn)題
本發(fā)明要解決的技術(shù)問(wèn)題是如何提高通信業(yè)務(wù)預(yù)測(cè)的準(zhǔn)確度。(二)技術(shù)方案為了解決上述技術(shù)問(wèn)題，本發(fā)明提供一種基于業(yè)務(wù)特征的通信業(yè)務(wù)預(yù)測(cè)方法，包括以下步驟S1、對(duì)待預(yù)測(cè)的業(yè)務(wù)量數(shù)據(jù)進(jìn)行預(yù)處理；S2、對(duì)預(yù)處理后的業(yè)務(wù)量數(shù)據(jù)進(jìn)行樣本構(gòu)造、樣本概化以及樣本篩選處理；S3、根據(jù)樣本的業(yè)務(wù)特征對(duì)經(jīng)步驟S2處理后的業(yè)務(wù)量數(shù)據(jù)進(jìn)行聚類，得到多個(gè)區(qū)域類型的業(yè)務(wù)量數(shù)據(jù)的預(yù)測(cè)模型；S4、對(duì)每個(gè)區(qū)域類型的業(yè)務(wù)量數(shù)據(jù)分別進(jìn)行業(yè)務(wù)預(yù)測(cè)，估算出業(yè)務(wù)量數(shù)據(jù)所處網(wǎng)絡(luò)區(qū)域；S5、估算所述網(wǎng)絡(luò)區(qū)域內(nèi)所需網(wǎng)絡(luò)資源；S6、將估算出的網(wǎng)絡(luò)資源與所述網(wǎng)絡(luò)區(qū)域內(nèi)現(xiàn)有網(wǎng)絡(luò)資源進(jìn)行對(duì)比，根據(jù)對(duì)比的結(jié)果進(jìn)行網(wǎng)絡(luò)規(guī)劃優(yōu)化。優(yōu)選地，在步驟S4與步驟S5之間包括對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正的步驟，以消除所述預(yù)處理的步驟對(duì)預(yù)測(cè)結(jié)果的影響。優(yōu)選地，步驟SI具體為平滑影響所述業(yè)務(wù)量數(shù)據(jù)的突發(fā)性因子，使得業(yè)務(wù)量數(shù)據(jù)更具有規(guī)律性。優(yōu)選地，所述突發(fā)性因子包括覆蓋因子和季節(jié)因子。優(yōu)選地，平滑所述覆蓋因子的步驟具體為設(shè)歷史業(yè)務(wù)量數(shù)據(jù)發(fā)生時(shí)區(qū)域覆蓋率為Cl，當(dāng)前的區(qū)域覆蓋率為c2，從而得到歷史平滑業(yè)務(wù)量數(shù)據(jù)I’ =I*c2/cl，I為當(dāng)前業(yè)務(wù)
量數(shù)據(jù)。優(yōu)選地，通過(guò)提取所述季節(jié)因子來(lái)平滑所述季節(jié)因子，提取所述季節(jié)因子的步驟具體為先提取各個(gè)季度業(yè)務(wù)量數(shù)據(jù)均值，求出比例Xl: x2: x3: x4作為本年度季節(jié)向量，使得xl+x2+x3+x4=4 ;再將本年度的季節(jié)向量xl :x2:x3:x4與過(guò)去兩年季節(jié)向量求均值,得到季節(jié)因子 Χ=[Χ1，Χ2，Χ3，Χ4]。優(yōu)選地，所述樣本構(gòu)造的方法為將業(yè)務(wù)量數(shù)據(jù)構(gòu)造為向量。 優(yōu)選地，所述樣本概化的方法為主成分分析樣本概化。
優(yōu)選地，步驟S4中使用預(yù)測(cè)模型進(jìn)行所述業(yè)務(wù)預(yù)測(cè)，并在進(jìn)行業(yè)務(wù)預(yù)測(cè)時(shí)，在線監(jiān)控業(yè)務(wù)特征的變化，對(duì)于超出限定的情況實(shí)時(shí)進(jìn)行報(bào)警，并根據(jù)報(bào)警信息對(duì)所述預(yù)測(cè)模型進(jìn)行自適應(yīng)的調(diào)整。優(yōu)選地，所述通信業(yè)務(wù)為蜂窩移動(dòng)通信業(yè)務(wù)。(三)有益效果上述技術(shù)方案具有如下優(yōu)點(diǎn)本發(fā)明通過(guò)平滑影響業(yè)務(wù)量數(shù)據(jù)的突發(fā)性因子，并在預(yù)測(cè)之后消除所述平滑處理對(duì)預(yù)測(cè)結(jié)果的影響，從而提高了預(yù)測(cè)的準(zhǔn)確度。


圖1是本發(fā)明的方法流程圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式
作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍。如圖1所示，本發(fā)明提供了一種基于業(yè)務(wù)特征的通信業(yè)務(wù)預(yù)測(cè)方法，包括以下步驟S1、對(duì)待預(yù)測(cè)的業(yè)務(wù)量數(shù)據(jù)進(jìn)行平滑預(yù)處理；具體為平滑影響所述業(yè)務(wù)量數(shù)據(jù)的突發(fā)性因子，使得業(yè)務(wù)量數(shù)據(jù)更具有規(guī)律性；突發(fā)性因子包括節(jié)假日重大事件、覆蓋因子和季節(jié)因子；電信網(wǎng)絡(luò)業(yè)務(wù)量數(shù)據(jù)具有區(qū)域特征性，這里區(qū)域可能是一個(gè)MSC區(qū)域、一個(gè)BSC區(qū)域或者一個(gè)人為定義的統(tǒng)一地理區(qū)域的具有類似業(yè)務(wù)特征的小區(qū)集合；不同類型的區(qū)域特征能夠產(chǎn)生不同的業(yè)務(wù)特征。基于區(qū)域的業(yè)務(wù)預(yù)測(cè)，使得一次性處理的數(shù)據(jù)量更小，業(yè)務(wù)規(guī)律更明顯。但是，在一個(gè)區(qū)域中，同時(shí)存在著某些規(guī)律或者不規(guī)律的突發(fā)因素，阻礙了業(yè)務(wù)預(yù)測(cè)的精確執(zhí)行。此外，可能很多區(qū)域都有較為相似的業(yè)務(wù)特征，但是截然不同的突發(fā)因素導(dǎo)致多個(gè)區(qū)域很難聚類執(zhí)行同樣的業(yè)務(wù)預(yù)測(cè)。本步驟能夠預(yù)先平滑業(yè)務(wù)量數(shù)據(jù)中的突發(fā)因素，并結(jié)合預(yù)測(cè)之后的修正步驟，共同提升預(yù)測(cè)的有效性和精確性。 平滑節(jié)假日重大事件步驟如下從網(wǎng)管數(shù)據(jù)中提取業(yè)務(wù)量數(shù)據(jù)，以及相關(guān)的業(yè)務(wù)歷史信息，查看節(jié)假日和重大事件發(fā)生日(如北京奧運(yùn)會(huì)開(kāi)幕當(dāng)天，區(qū)域內(nèi)話務(wù)量較前一天有明顯下降下，省略為“事件”)歸檔記錄，其中，包含事件發(fā)生期間業(yè)務(wù)突發(fā)因子n，描述了對(duì)應(yīng)事件產(chǎn)生的業(yè)務(wù)量是平常平均業(yè)務(wù)量的增長(zhǎng)系數(shù)。判定業(yè)務(wù)量發(fā)生的事件是否包含在事件發(fā)生期間。如果是，則對(duì)業(yè)務(wù)量進(jìn)行節(jié)假日重大事件平滑。具體方法1、將業(yè)務(wù)量除以對(duì)應(yīng)事件的突發(fā)因子n，得到平滑業(yè)務(wù)量；2、判定平滑后的業(yè)務(wù)量是否合理取事件前后各一周的業(yè)務(wù)量數(shù)據(jù)均值為基準(zhǔn)，基準(zhǔn)值的O. 8-1. 2倍為合理波動(dòng)范圍。3、如果平滑后的業(yè)務(wù)量數(shù)據(jù)不在合理波動(dòng)范圍內(nèi)，則對(duì)事件突發(fā)因子進(jìn)行更新；更新方法是取最近三年事件突發(fā)因子的均值，然后，使用新的突發(fā)因子平滑原始事件業(yè)務(wù)量。
平滑覆蓋因子具體如下設(shè)歷史業(yè)務(wù)量數(shù)據(jù)發(fā)生時(shí)區(qū)域覆蓋率為Cl，當(dāng)前的區(qū)域覆蓋率為c2，從而得到歷史平滑業(yè)務(wù)量數(shù)據(jù)I’ =I*c2/cl，I為當(dāng)前業(yè)務(wù)量數(shù)據(jù)。平滑季節(jié)因子具體如下先提取各個(gè)季度業(yè)務(wù)量數(shù)據(jù)均值,求出比例11^2^3^4作為本年度季節(jié)向量，使得xl+x2+x3+x4=4 ;再將本年度的季節(jié)向量xl :x2:x3:x4與過(guò)去兩年季節(jié)向量求均值，得到季節(jié)因子X(jué)= [XI，X2, X3, X4]。判定季節(jié)平滑后的業(yè)務(wù)量數(shù)據(jù)合理性(取事件前后各一周的業(yè)務(wù)量數(shù)據(jù)均值為基準(zhǔn)，基準(zhǔn)值的O. 8-1. 2倍為合理波動(dòng)范圍)，若不合理，則將該業(yè)務(wù)量數(shù)據(jù)取值為前后兩周對(duì)應(yīng)時(shí)間點(diǎn)的均值，并且判定該時(shí)間段是否存在某些為歸檔的節(jié)假日或者重大事件，如果有，則進(jìn)行歸檔，突發(fā)因子η=季節(jié)平滑后的業(yè)務(wù)量數(shù)據(jù)/取前后兩周均值的業(yè)務(wù)量。S2、對(duì)預(yù)處理后的業(yè)務(wù)量數(shù)據(jù)進(jìn)行樣本構(gòu)造、樣本概化以及樣本篩選處理；所述樣本構(gòu)造的方法為將業(yè)務(wù)量數(shù)據(jù)構(gòu)造為向量。所述樣本概化的方法為主成分分析樣本概化業(yè)務(wù)構(gòu)造經(jīng)常容易引入冗余性和屬性之間的相關(guān)性，主成分分析樣本概化可以降低樣本的維度，減少冗余，防止大量樣本的存在造成預(yù)測(cè)模型訓(xùn)練集合過(guò)于龐大、訓(xùn)練成本太高、訓(xùn)練時(shí)延太長(zhǎng)。其具體實(shí)現(xiàn)方法是1、采集 P 維隨機(jī)向量 X = [X1, X2,, Χρ]τ 的 η 個(gè)樣本 Xi = [xn, xi2,. . .，xip]T，·理出樣本觀測(cè)矩陣X= (Xij)nxp;2、對(duì)樣本陣中的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使得樣本集中的不同屬性具有可比性，具體地，可以使用如下式子對(duì)變量進(jìn)行標(biāo)準(zhǔn)化處理
權(quán)利要求
1.一種基于業(yè)務(wù)特征的通信業(yè)務(wù)預(yù)測(cè)方法，其特征在于，包括以下步驟 51、對(duì)待預(yù)測(cè)的業(yè)務(wù)量數(shù)據(jù)進(jìn)行預(yù)處理； 52、對(duì)預(yù)處理后的業(yè)務(wù)量數(shù)據(jù)進(jìn)行樣本構(gòu)造、樣本概化以及樣本篩選處理； 53、根據(jù)樣本的業(yè)務(wù)特征對(duì)經(jīng)步驟S2處理后的業(yè)務(wù)量數(shù)據(jù)進(jìn)行聚類，得到多個(gè)區(qū)域類型的業(yè)務(wù)量數(shù)據(jù)的預(yù)測(cè)模型； 54、對(duì)每個(gè)區(qū)域類型的業(yè)務(wù)量數(shù)據(jù)分別進(jìn)行業(yè)務(wù)預(yù)測(cè)，估算出業(yè)務(wù)量數(shù)據(jù)所處網(wǎng)絡(luò)區(qū)域； 55、估算所述網(wǎng)絡(luò)區(qū)域內(nèi)所需網(wǎng)絡(luò)資源； 56、將估算出的網(wǎng)絡(luò)資源與所述網(wǎng)絡(luò)區(qū)域內(nèi)現(xiàn)有網(wǎng)絡(luò)資源進(jìn)行對(duì)比，根據(jù)對(duì)比的結(jié)果進(jìn)行網(wǎng)絡(luò)規(guī)劃優(yōu)化。
2.如權(quán)利要求1所述的方法，其特征在于，在步驟S4與步驟S5之間包括對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正的步驟，以消除所述預(yù)處理的步驟對(duì)預(yù)測(cè)結(jié)果的影響。
3.如權(quán)利要求1所述的方法，其特征在于，步驟SI具體為平滑影響所述業(yè)務(wù)量數(shù)據(jù)的突發(fā)性因子，使得業(yè)務(wù)量數(shù)據(jù)更具有規(guī)律性。
4.如權(quán)利要求3所述的方法，其特征在于，所述突發(fā)性因子包括覆蓋因子和季節(jié)因子。
5.如權(quán)利要求4所述的方法，其特征在于，平滑所述覆蓋因子的步驟具體為設(shè)歷史業(yè)務(wù)量數(shù)據(jù)發(fā)生時(shí)區(qū)域覆蓋率為Cl，當(dāng)前的區(qū)域覆蓋率為c2，從而得到歷史平滑業(yè)務(wù)量數(shù)據(jù)I’ =I*c2/cl, I為當(dāng)前業(yè)務(wù)量數(shù)據(jù)。
6.如權(quán)利要求4所述的方法，其特征在于，通過(guò)提取所述季節(jié)因子來(lái)平滑所述季節(jié)因子，提取所述季節(jié)因子的步驟具體為先提取各個(gè)季度業(yè)務(wù)量數(shù)據(jù)均值，求出比例xl:x2:x3:x4作為本年度季節(jié)向量，使得xl+x2+x3+x4=4 ;再將本年度的季節(jié)向量xlx2:x3:x4與過(guò)去兩年季節(jié)向量求均值，得到季節(jié)因子X(jué)= [XI，X2, X3, X4]。
7.如權(quán)利要求1所述的方法，其特征在于，所述樣本構(gòu)造的方法為將業(yè)務(wù)量數(shù)據(jù)構(gòu)造為向量。
8.如權(quán)利要求1所述的方法,其特征在于,所述樣本概化的方法為主成分分析樣本概化。
9.如權(quán)利要求1所述的方法，其特征在于，步驟S4中使用預(yù)測(cè)模型進(jìn)行所述業(yè)務(wù)預(yù)測(cè)，并在進(jìn)行業(yè)務(wù)預(yù)測(cè)時(shí)，在線監(jiān)控業(yè)務(wù)特征的變化，對(duì)于超出限定的情況實(shí)時(shí)進(jìn)行報(bào)警，并根據(jù)報(bào)警信息對(duì)所述預(yù)測(cè)模型進(jìn)行自適應(yīng)的調(diào)整。
10.如權(quán)利要求1、中任一項(xiàng)所述的方法，其特征在于，所述通信業(yè)務(wù)為蜂窩移動(dòng)通信業(yè)務(wù)。
全文摘要
本發(fā)明涉及通信技術(shù)領(lǐng)域，公開(kāi)了一種基于業(yè)務(wù)特征的通信業(yè)務(wù)預(yù)測(cè)方法，包括以下步驟S1、對(duì)待預(yù)測(cè)的業(yè)務(wù)量數(shù)據(jù)進(jìn)行預(yù)處理；S2、對(duì)預(yù)處理后的業(yè)務(wù)量數(shù)據(jù)進(jìn)行樣本構(gòu)造、樣本概化以及樣本篩選處理；S3、根據(jù)樣本的業(yè)務(wù)特征對(duì)經(jīng)步驟S2處理后的業(yè)務(wù)量數(shù)據(jù)進(jìn)行聚類，得到多個(gè)區(qū)域類型的業(yè)務(wù)量數(shù)據(jù)的預(yù)測(cè)模型；S4、對(duì)每個(gè)區(qū)域類型的業(yè)務(wù)量數(shù)據(jù)分別進(jìn)行業(yè)務(wù)預(yù)測(cè)，估算出業(yè)務(wù)量數(shù)據(jù)所處網(wǎng)絡(luò)區(qū)域；S5、估算所述網(wǎng)絡(luò)區(qū)域內(nèi)所需網(wǎng)絡(luò)資源；S6、將估算出的網(wǎng)絡(luò)資源與所述網(wǎng)絡(luò)區(qū)域內(nèi)現(xiàn)有網(wǎng)絡(luò)資源進(jìn)行對(duì)比，根據(jù)對(duì)比的結(jié)果進(jìn)行網(wǎng)絡(luò)規(guī)劃優(yōu)化。本發(fā)明通過(guò)平滑影響業(yè)務(wù)量數(shù)據(jù)的突發(fā)性因子，并在預(yù)測(cè)之后消除所述平滑處理對(duì)預(yù)測(cè)結(jié)果的影響，從而提高了預(yù)測(cè)的準(zhǔn)確度。
文檔編號(hào)H04W24/02GK103024762SQ20121057607
公開(kāi)日2013年4月3日 申請(qǐng)日期2012年12月26日 優(yōu)先權(quán)日2012年12月26日
發(fā)明者馮志勇, 張平, 陳亞迷, 石聰, 尹鵬, 劉慶, 楊棟, 張奇勛, 馬云飛, 王瑩, 陳施, 尉志清, 莊荔, 宋浩明, 陶永燕 申請(qǐng)人:北京郵電大學(xué)