[发明专利]一种基于联合LSTM基站小区流量预测方法以及装置

说明书

本公开是关于一种基于联合LSTM基站小区流量预测方法、装置、电子设备以及计算机可读存储介质。其中，该方法包括：分别获取待预测场景中各小区的用户数据，并对所述用户数据进行处理生成样本数据；分别对所述各小区的样本数据基于长短时记忆神经网络(LSTM)建模，进行所述样本数据的周期特征的预测计算，生成周期特征预测结果；对所有样本数据基于两层人工神经网络(ANN)建模，进行所述样本数据的关联特征的预测计算，生成关联特征预测结果；合并上述周期特征预测结果及关联特征预测结果，生成各小区联合的流量预测值。本公开通过基于联合LSTM的方法实现了对多小区流量的提前准确预测。

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种基于联合LSTM基站小区流量预测方法、装置、电子设备以及计算机可读存储介质。

背景技术

小区的无线基站是用户数据走向互联网的第一个重要的桥梁，因此,针对无线网络服务的运营商来说,对小区性能进行优化是保持网络性能的重要手段之一。

现有网络优化方法主要是通过基于检测的传统的网络优化方法和基于普通时序模型的方法，但基于路测和定点语音质量测试的方法，除对用户正常使用产生影响之外，人工检测成本代价大，需要消耗大量的人力物力；基于当前时序模型预测基站流量的方法，如自回归移动平均(ARIMA)模型，虽具有一定的优势，但此方法首先只能根据历史小区流量的使用情况预测，考虑到的特征因素较少，比如基站小区接入的用户量等信息。其次，一个区域内基站小区较多，小区与小区之间定会互相产生一定的影响，此方法不能够考虑到小区之间的影响因素。

因此，急需一种更加准确的预测未来一段时间小区流量方法，可以按照需求及小区分布特点，可以从时间、空间维度，再结合其他所需的一些特征，分析预测基站小区流量。由上可知，需要提供一种或多种至少能够解决上述问题的技术方案。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于联合LSTM基站小区流量预测方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种基于联合LSTM基站小区流量预测方法，包括：

样本数据处理步骤，分别获取待预测场景中各小区的用户数据，并对所述用户数据进行处理生成样本数据；

周期特征预测步骤，分别对所述各小区的样本数据基于长短时记忆神经网络(LSTM)建模，进行所述样本数据的周期特征的预测计算，生成周期特征预测结果；

关联特征预测步骤，对所有样本数据基于两层人工神经网络(ANN)建模，进行所述样本数据的关联特征的预测计算，生成关联特征预测结果；

流量预测值生成步骤，合并上述周期特征预测结果及关联特征预测结果，生成各小区联合的流量预测值。

在本公开的一种示例性实施例中，所述样本数据处理步骤还包括：

所述各小区的用户数据来源于各基站上报数据，包括各基站的流量、用户量、闲忙时、节假日，所述用户数据的时间粒度为小时。

在本公开的一种示例性实施例中，所述样本数据处理步骤还包括对所述用户数据进行预处理：

基于就近补齐原则，使用上一时刻数据对缺失数据进行补齐处理；

确定一定范围内所有小区单位时间的用户量、流量以及对应的闲忙时、节假日等特征信息；

对历史时刻的小区流量、用户量分别进行标准化处理，并将闲忙时、节假日做定量特征哑编码。

在本公开的一种示例性实施例中，所述周期特征预测步骤还包括：