[发明专利]一种容量预测方法及设备、存储介质

说明书

本申请公开了一种容量预测方法及设备、存储介质，该容量预测方法包括：确定时间序列是否具有季节性；根据所述时间序列是否具有季节性和预设加性回归模型，对所述时间序列进行容量预测。本实施例中，采用加性回归方法，可以提高容量预测的准确率，特别是长期预测的准确率。

技术领域

本发明实施例涉及但不限于一种容量预测方法及设备、存储介质。

背景技术

随着移动通信技术的不断发展、用户量的不断增加、不限量套餐的推广、视频等业务的激增，无线流量呈现飞速增长趋势。如何快速准确地预测KPI(Key PerformanceIndicator，关键性能指标)的长期变化，对于精准地指导小区扩容、小区规划，提升网络质量和用户体验，起着至关重要的作用。

传统的容量预测方法，如ARIMA(Autoregressive Integrated Moving Averagemodel，差分整合移动平均自回归)模型和指数平滑模型等，往往都是短期预测，仅适用于预测未来一个点或几个点。在预测未来几十个点或几百个点时，传统预测方法准确率往往很低。

发明内容

本发明至少一实施例提供了一种容量预测方法及设备、存储介质。

本发明至少一实施例提供一种容量预测方法，包括：确定时间序列是否具有季节性；根据所述时间序列是否具有季节性和预设加性回归模型，对所述时间序列进行容量预测。

本发明至少一实施例提供一种容量预测设备，包括存储器和处理器，所述存储器存储有程序，所述程序在被所述处理器读取执行时，实现任一实施例所述的容量预测方法。

本发明至少一实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现任一实施例所述的容量预测方法。

与相关技术相比，本发明至少一实施例中，提供一种容量预测方法，包括：确定时间序列是否具有季节性；根据所述时间序列是否具有季节性和预设加性回归模型，对所述时间序列进行容量预测。本实施例中，识别季节性之后再进行容量预测，避免人为设定时间序列特点，实现海量大数据下的容量预测。另外，基于加性回归模型进行预测，可以提高容量预测的准确率，特别是长期预测的准确率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1是本发明一实施例提供的容量预测方法流程图。

图2是本发明另一实施例提供的容量预测方法流程图；

图3是本发明一实施例提供的容量预测设备流程图；

图4是本发明一实施例提供的计算机可读存储介质框图；

图5是本发明一实施例提供的容量预测装置框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。