[发明专利]基站业务量的预测方法及装置

权利要求书

1.一种基站业务量的预测方法，其特征在于，包括：

预测基站的目标节能周期内所有节能时段的业务量的累计值和所有节能时段的业务量的概率分布；

根据所述目标节能周期内所有节能时段的业务量的累计值和业务量的概率分布预测所述基站的目标周期内的每个节能时段的业务量。

2.根据权利要求1所述的方法，其特征在于，预测基站的目标节能周期内所有节能时段的业务量的累计值和所有节能时段的业务量的概率分布之前，还包括：

确定所述基站待预测的目标节能周期、节能时段以及业务量指标，其中所述业务量为PRB利用率。

3.根据权利要求2所述的方法，其特征在于，确定所述基站待预测的目标节能周期、节能时段以及业务量指标之后，还包括：

根据目标节能周期、节能时段以及业务量指标确定模型输入特征数据集，其中，所述模型输入特征数据集包括：业务量时序趋势指标数据、基站KPI趋势指标数据以及外部指标数据。

4.根据权利要求3所述的方法，其特征在于，其中，

所述业务量时序趋势指标数据包括：多个节能周期内各节能时段的平均PRB利用率、最低PRB利用率和最高PRB利用率，以及每个节能周期的最高PRB利用率、平均PRB利用率和最低PRB利用率；

基站KPI趋势指标数据包括：多个节能周期内各节能时段的平均RRC用户数、最低RRC用户数和最高RRC用户数，以及每个节能周期的最高RRC用户数、平均RRC用户数和最低RRC用户数；

外部指标数据包括：时间特征和地域特征，其中，所述时间特征至少包括以下之一：节能时段所处的年份、月份、日期、是否周末、是否节假日、小时；所述地域特征至少包括以下之一：基站所处省份、地市、经纬度信息、城镇、郊区、基站小区的ID。

5.根据权利要求3所述的方法，其特征在于，根据目标节能周期、节能时段以及业务量指标确定模型输入特征数据集之后，还包括：

以节能周期为单位，选取所述基站的业务量时序趋势指标数据、基站KPI趋势指标数据、其他外部指标数据以作为基础特征数据集，其中，基础特征数据集的字段集合为[X1]；

在所述基础特征数据集中添加预测值Y1，以生成累计量模型数据集，其中，所述预测值Y1为下个节能周期的各节能时段PRB利用率之和，其中，累计量模型数据集的字段集合为[X1,Y1]；

在所述基础特征数据集中添加一个节能周期的每个节能时段的PRB利用率的概率分布W1和待预测的节能时段数Y2，以生成概率分布模型数据集，其中，所述概率分布模型数据集的字段集合为[X1,W1,Y2]。

6.根据权利要求5所述的方法，其特征在于，还包括：

将所述累计量模型数据集和概率分布模型数据集输入LightGBM模型中进行训练，分别获得预测PRB利用率的累计量模型和PRB利用率的概率分布模型。

7.根据权利要求6所述的方法，其特征在于，将所述累计量模型数据集输入LightGBM模型中进行训练获得预测PRB利用率的累计量模型，包括：

以基础特征数据集的字段集合X1为特征，下个节能周期的各节能时段PRB利用率之和Y1为预测值，采用回归方式将所述累计量模型数据集输入到lightGBM模型中进行训练以获得预测PRB利用率的累计量模型。

8.根据权利要求6所述的方法，其特征在于，将概率分布模型数据集输入LightGBM模型中进行训练获得预测PRB利用率的概率分布模型，包括：

以基础特征数据集的字段集合X1为特征，各节能时段的PRB利用率的概率分布W1为权重，待预测节能时段数Y2为预测值，采用多分类方式将所述概率分布模型数据集输入到lightGBM模型中进行训练，以获得预测PRB利用率的概率分布模型。