1.一种预测移动通信用户数的方法,其特征在于,包括:
获取建模样本数据集合,所述建模样本数据集合包括N组数据样本,其中,一个数据样本包括在一个跟踪区TA下、该跟踪区TA在一个时间段内的分组域寻呼量及平均连接态用户数;
对所述N组数据样本中所有分组域寻呼量及平均连接态用户数进行线性回归分析,建立寻呼量推算连接态用户数模型;
获取第一跟踪区TA下的分组域寻呼量,利用所述寻呼量推算连接态用户数模型,计算所述第一跟踪区TA的连接态用户数。
2.根据权利要求1所述的方法,其特征在于,所述对所述N组数据样本中所有分组域寻呼量及平均连接态用户数进行线性回归分析,建立寻呼量推算连接态用户数模型,包括:
对建模样本数据集合C={(x1,y1),(x2,y2).......(xN,yN)}进行一元线性回归分析,获取一元线性回归模型:Y1=β0+β1X1,其中,β0和β1为常数;x1为第一个样本数据中的分组域寻呼量,y1为第一个样本数据中的平均连接态用户数,xN为第N个样本数据中的分组域寻呼量,yN为第N个样本数据中的平均连接态用户数,N为数据样本的数量;
根据公式计算使得Q(β0,β1)值最小时对应的和从而确定所述一元线性回归模型的和其中,
根据确定的和获取寻呼量推算连接态用户数模型xi为第i个样本数据中的分组域寻呼量,yi为第i个样本数据中的平均连接态用户数,1≤i≤N。
3.根据权利要求2所述的方法,其特征在于,所述一个数据样本还包括在一个跟踪区TA下、该跟踪区TA一个时间段内的平均附着用户数;
相应的,所述方法还包括:
对所述N组数据样本中所有分组域寻呼量及平均附着用户数进行线性回归分析,建立寻呼量推算附着用户数模型;
获取第一跟踪区TA下的分组域寻呼量,利用所述寻呼量推算附着用户数模型,计算所述第一跟踪区的附着用户数。
4.根据权利要求3所述的方法,其特征在于,所述对所述N组数据样本中所有分组域寻呼量及平均附着用户数进行线性回归分析,建立寻呼量推算附着用户数模型,包括:
从所述建模样本数据集合中,获取时间段满足预设要求的n组目标数据样本,每组目标数据样本记为(xl,yl),其中,(xl,yl)∈C,1≤l≤N,n为目标样本数据的数量且n≤N;
对所述n组目标数据样本进行一元线性回归分析,获取一元线性回归模型:Y2=λ0+λ1X2,其中,λ0和λ1为常数;Y2为平均附着用户数,X2为分组域寻呼量;
根据公式计算使得Q(λ0,λ1)值最小的和从而确定所述一元线性回归模型的和其中,
根据确定的和获取寻呼量推算附着用户数模型
5.根据权利要求4所述的方法,其特征在于,在所述获取寻呼量推算连接态用户数模型之前所述方法还包括:
根据公式计算所述寻呼量推算连接态用户数模型的拟合度;其中,为N个数据样本中所有连接态用户数的平均值,为根据第i个数据样本中的分组域寻呼量拟合出的连接态用户数,yi为第i个样本数据中的平均连接态用户数;
若确定所述R12大于等于预设值,则确定所述寻呼量推算连接态用户数模型对样本数据的拟合度满足要求;
若确定则确定所述X1对Y1有显著贡献;其中,为N组数据样本中所有分组域寻呼量的平均值;回归方程的标准误差,α为显著性水平,为临界值;
在所述获取寻呼量推算附着用户数模型之前,所述方法还包括:
根据公式计算所述寻呼量推算附着用户数模型的拟合度;其中,为n组数据样本中所有附着用户数的平均值,根据第l个数据样本中的分组域寻呼量拟合出的平均附着用户,yl为从n个数据样本中选取的第l个数据样本中平均附着用户数;
若确定所述R22大于等于预设值,则确定所述寻呼量推算附着用户数模型对样本数据的拟合度满足要求;
若确定则确定所述X2对Y2有显著贡献;其中,为n组数据样本中所有分组域寻呼量的平均值;回归方程的标准误差,α为显著性水平,为临界值;为λ1的估计值,即使得Q(λ0,λ1)满足拟合准则的值。
6.根据权利要求3所述的方法,其特征在于,所述寻呼量推算附着用户数模型为其中,X2为分组域寻呼量,Y2为附着用户数;
所述寻呼量推算连接态用户数模型为其中,X1为分组域寻呼量,Y1为连接态用户数。
7.根据权利要求1所述的方法,其特征在于,对于第二跟踪区TA,所述第二跟踪区TA为待统计跟踪区TA中的任意一个,在获取建模样本数据集合之前,所述方法还包括:
统计在所述第二跟踪区TA下,所述第二跟踪区TA一个时间段内的接收寻呼消息次数及接收电路域寻呼消息次数;
根据所述接收寻呼消息次数及所述接收电路域寻呼消息次数,获取分组域寻呼量;
统计在所述第二跟踪区TA下,所述第二跟踪区TA一个时间段内每个小区的连接态用户数;
根据所述第二跟踪区TA下每个小区的连接态用户数,获得所述第二跟踪区TA下的平均连接态用户数;
统计在所述第二跟踪区TA下,所述第二跟踪区TA一个时间段内所述第二跟踪区TA下演进分组系统连接性管理空闲模式ECM-IDLE平均附着用户数及演进分组系统连接性管理连接模式ECM-CONNECTED平均附着用户数;
根据所述ECM-IDLE平均附着用户数及ECM-CONNECTED平均附着用户数,获取所述第二跟踪区TA下的平均附着用户数。
8.一种预测移动通信用户数的装置,其特征在于,包括:
获取单元用于,获取建模样本数据集合,所述建模样本数据集合包括N组数据样本,其中,一个数据样本包括在一个跟踪区TA下、该跟踪区TA在一个时间段内的分组域寻呼量及平均连接态用户数;
第一建模单元用于,对所述N组数据样本中所有分组域寻呼量及平均连接态用户数进行线性回归分析,建立寻呼量推算连接态用户数模型;
计算单元用于,获取第一跟踪区TA下的分组域寻呼量,利用所述寻呼量推算连接态用户数模型,计算所述第一跟踪区TA的连接态用户数。
9.根据权利要求8所述的装置,其特征在于,所述第一建模单元具体用于:
对建模样本数据集合C={(x1,y1),(x2,y2).......(xN,yN)}进行一元线性回归分析,获取一元线性回归模型:Y1=β0+β1X1,其中,β0和β1为常数;x1为第一个样本数据中的分组域寻呼量,y1为第一个样本数据中的平均连接态用户数,xN为第N个样本数据中的分组域寻呼量,yN为第N个样本数据中的平均连接态用户数,N为数据样本的数量;
根据公式计算使得Q(β0,β1)值最小时对应的和从而确定所述一元线性回归模型的和E(yi)=β0+β1Xi;
根据确定的和获取寻呼量推算连接态用户数模型
10.根据权利要求9所述的装置,其特征在于,所述获取单元中一个数据样本还包括在一个跟踪区TA下、该跟踪区TA一个时间段内的平均附着用户数;
相应的,所述装置还包括:
第二建模单元用于,对所述N组数据样本中所有分组域寻呼量及平均附着用户数进行线性回归分析,建立寻呼量推算附着用户数模型;
所述计算单元还用于,获取第一跟踪区TA下的分组域寻呼量,利用所述寻呼量推算附着用户数模型,计算所述第一跟踪区的附着用户数。
11.根据权利要求10所述的装置,其特征在于,所述第二建模单元具体用于:
从所述建模样本数据集合中,获取时间段满足预设要求的n组目标数据样本,每组目标数据样本记为(xl,yl),其中,(xl,yl)∈C,1≤l≤N,n为目标样本数据的数量且n≤N;
对所述n组目标数据样本进行一元线性回归分析,获取一元线性回归模型:Y2=λ0+λ1X2,其中,λ0和λ1为常数;Y2为平均附着用户数,X2为分组域寻呼量;
根据公式计算使得Q(λ0,λ1)值最小的和从而确定所述一元线性回归模型的和
根据确定的和获取寻呼量推算附着用户数模型其中,
12.根据权利要求11所述的装置,其特征在于,所述装置还包括第一判断单元和第二判断单元:
所述第一判断单元用于,根据公式计算所述寻呼量推算连接态用户数模型的拟合度;其中,为N个数据样本中所有连接态用户数的平均值,为根据第i个数据样本中的分组域寻呼量拟合出的连接态用户数,yi为第i个样本数据中的平均连接态用户数;
若确定所述R12大于等于预设值,则确定所述寻呼量推算连接态用户数模型对样本数据的拟合度满足要求;
若确定则确定所述X1对Y1有显著贡献;其中,为N组数据样本中所有分组域寻呼量的平均值;回归方程的标准误差,α为显著性水平,为临界值;
所述第二判断单元用于:
根据公式计算所述寻呼量推算附着用户数模型的拟合度;其中,为n组数据样本中所有附着用户数的平均值,根据第l个数据样本中的分组域寻呼量拟合出的平均附着用户,yl为从n个数据样本中选取的第l个数据样本中平均附着用户数;
若确定所述R22大于等于预设值,则确定所述寻呼量推算附着用户数模型对样本数据的拟合度满足要求;
若确定则确定所述X2对Y2有显著贡献;其中,为n组数据样本中所有分组域寻呼量的平均值;回归方程的标准误差,α为显著性水平,为临界值;为λ1的估计值,即使得Q(λ0,λ1)满足拟合准则的值。
13.根据权利要求8所述的装置,其特征在于,所述装置还包括统计单元,所述统计单元具体用于:
统计在所述第二跟踪区TA下,所述第二跟踪区TA一个时间段内的接收寻呼消息次数及接收电路域寻呼消息次数;
根据所述接收寻呼消息次数及所述接收电路域寻呼消息次数,获取分组域寻呼量;
统计在所述第二跟踪区TA下,所述第二跟踪区TA一个时间段内每个小区的连接态用户数;
根据所述第二跟踪区TA下每个小区的连接态用户数,获得所述第二跟踪区TA下的平均连接态用户数;
统计在所述第二跟踪区TA下,所述第二跟踪区TA一个时间段内所述第二跟踪区TA下演进分组系统连接性管理空闲模式ECM-IDLE平均附着用户数及演进分组系统连接性管理连接模式ECM-CONNECTED平均附着用户数;
根据所述ECM-IDLE平均附着用户数及ECM-CONNECTED平均附着用户数,获取所述第二跟踪区TA下的平均附着用户数。