[发明专利]一种潮汐效应规避方法、装置和计算机可读存储介质

权利要求书

1.一种潮汐效应规避方法，其特征在于，该方法包括：

业务运行时，根据基站标识对物联网终端上报的特征向量数据进行分类，基于分类结果查询所对应的业务成功率预测模型；每类特征向量数据对应一个基站、且对应一个业务成功率预测模型；

基于所述每类特征向量数据及对应的业务成功率预测模型确定使得所述业务成功率预测模型的函数取得极大值的配置参数；

将所述配置参数下发至所述物联网终端，用于所述物联网终端调整业务模型并错峰发送业务数据。

2.根据权利要求1所述的方法，其特征在于，所述业务运行之前，该方法还包括：

基于试运行时物联网终端上报的特征向量，并结合逻辑回归LR方法训练得到业务成功率预测模型；不同的业务成功率预测模型对应不同的基站。

3.根据权利要求2所述的方法，其特征在于，所述基于试运行时物联网终端上报的特征向量，并结合LR方法训练得到业务成功率预测模型，包括：

将至少一个试运行周期内物联网终端上报的特征向量的集合进行划分，得到用于训练的数据集合S和用于测试的数据集合T；

利用所述用于训练的数据集合S对预设的业务成功率预测模型进行训练，得出一组拟合后的参数；

利用所述用于测试的数据集合T对经所述训练得到的业务成功率预测模型进行泛化处理，得到业务成功率预测模型。

4.根据权利要求1或2所述的方法，其特征在于，所述物联网终端上报的特征向量包括以下参数：

x1，x2，x3，x4，x5，x6，x7，x8，x9，x10，…，xn，以及y；其中，

所述x1为数据包长，x2为QoS等级，x3为发送时间，x4为发送时延偏移量，x5为并发终端数，x6为端到端业务时延，x7为重传次数，x8为信号与干扰加噪声比SINR，x9为参考信号接收功率RSRP，x10至xn为可扩展字段；所述y为业务成功率。

5.根据权利要求1所述的方法，其特征在于，所述配置参数包括以下参数：

e₀’，e₁’，e₂’，e₃’，…e_n’；其中，

所述e₀’为使得所述业务成功率预测模型的函数取得极大值的发送时延偏移量，

所述e₁’为使得所述业务成功率预测模型的函数取得极大值的业务重传次数，

所述e₂’为使得所述业务成功率预测模型的函数取得极大值的业务平台地址，

所述e₃’至e_n’为使得所述业务成功率预测模型的函数取得极大值的可扩展影响因子。

6.根据权利要求1所述的方法，其特征在于，该方法还包括：

业务运行时，基于物联网终端实时上报的特征向量按预设周期对已训练的业务成功率预测模型进行更新。

7.一种潮汐效应规避装置，其特征在于，该装置包括：

确定模块，用于业务运行时，基于根据基站标识对物联网终端上报的特征向量数据进行分类，基于分类结果查询所对应的业务成功率预测模型；每类特征向量数据对应一个基站、且对应一个业务成功率预测模型；

基于所述每类特征向量数据及对应的业务成功率预测模型确定使得所述业务成功率预测模型的函数取得极大值的配置参数；

发送模块，用于将所述配置参数下发至所述物联网终端，用于所述物联网终端调整业务模型并错峰发送业务数据。

8.一种潮汐效应规避装置，其特征在于，该装置包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，

其中，所述处理器用于运行所述计算机程序时，执行权利要求1-6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。