专利名称：一种电信网络普通节日话务量的预测方法及其装置的制作方法
技术领域：
本发明涉及电信网络管理领域，关于电信网络的性能分析，具体涉及电信网络话 务量指标的预测。
背景技术：
随着通信产业的高速发展，电信网络承载的业务量迅猛增长，为了掌握电信网络 运营的发展态势，需要能够准确地预测电信网络业务的承载状况，而话务量是其中最重要 的测量话务负荷的指标之一。准确预测话务量，可以及时规避风险，在预测话务量高峰到来 之前准备好一系列的应对措施，对于提高电信网络的运营质量有着重要意义。话务量是指 在一特定时间内呼叫次数与每次呼叫平均占用时间的乘积，是动态、随时间变化的，明显地 随季节、以及每天不同时间段的改变而不断变化，工作日话务量高于周末，白天话务量明显 高于夜间。在话务量预测中，节日话务量预测因其与平时规律不一致，又涉及到农历的问 题，是预测的一个难点。目前，在节日话务量预测方面，春节、十一等长假期的研究较多，主要采用模板法， 即利用历史上的相同节日的话务量来预测未来该节日的话务量。但随着国家对节日制度的 不断改革和人们生活习惯的不断变化，有关普通节日的话题越来越多，元宵节、情人节、清 明节、妇女节、母亲节、父亲节、端午节、中秋节等等，对于这些种类繁多的普通节日目前还 没有进行专门的话务量研究，而由于这些普通节日的假期很短，有的甚至没有假期，直接套 用春节、十一等长节日的话务量预测方法明显不适用、不科学、不准确，因为这些节日一方 面受到节日的影响，另外还一定程度上遵从话务量时间序列以周(7天)为单位的“M”型的 周期性。以前对于非节日的话务量预测方面，已引入了季节ARIMA模型建模并得到预测 值，其方法主要是根据获得的历史样本数据，利用ARIMA模型进行建模，获得最优ARIMA模 型后，根据ARIMA模型进行话务量的预测。但由于普通节日和非节日时，人们的工作生活方 式存在着固有的差别，决定了单纯使用ARIMA模型建模来预测普通节日的话务量，是不能 得到准确结果的。随着电信业务发展和竞争加剧，各运营商们也迫切地需要对各种普通节日的话务 量进行准确的预测。于是，如何对普通节日的话务量进行准确的预测成为亟待解决的问题。
发明内容
本发明目的在于提供一种电信网络普通节日话务量的预测方法和装置，对普通节 日的话务量进行预测，并保证话务量预测的准确性。—种电信网络普通节日话务量预测方法，所述方法包括下述步骤获取网络话务量的历史值作为历史样本数据，对所述历史样本数据进行预处理， 获得正常样本数据；针对所述的正常样本数据利用预测模型进行建模并预测；
利用方差分析法对所述正常样本数据进行节日话务量与平时话务量差异显著性 检验；若节日话务量与平时话务量的差异性显著，则对所述预测模型的预测值进行修 正，得到最终预测值；否则，所述预测模型的预测值即为最终预测值。具体的，获取普通节日网络性能指标的历史值作为历史样本数据，对所述历史样 本数据进行预处理的过程具体为从网络性能指标库中动态获取基于时间序列的话务量历史值作为历史样本数据， 至少选取过去一个月以上的历史样本数据；对所述历史样本数据进行包括补足缺失数据的预处理。更进一步的，利用方差分析法对所述正常样本数据进行节日话务量与平时话务量 差异显著性检验的过程具体为根据以往η年的同期历史数据，η为正整数，计算以往η年中每年该节日的话务量 与该节日前一天的话务量的比值，并将求得的所有比值组成一个节日列向量；计算该节日前m周、后m周同期的相邻两天话务量的比值，m为正整数，求得这些 比值的平均值，并将所述平均值作为另一个非节日列向量；将所述两个列向量中的值作为节日与非节日两个水平的试验指标，利用单因素方 差分析检验所述两个水平下的话务量差异是否显著。更进一步的，对所述预测模型的预测值进行修正的方法具体为按所述预测模型计算往年该节日话务量的预测误差与预测值的比例来修正本年 该节日的预测值。优选的，修正本年该节日的预测值的方法具体为计算以往η年的同一节日话务量预测模型预测结果偏差与预测值的比例并将这 些比例形成一个列向量D= [dl，d2，···, dn]T ；确定往年偏差的权重值并形成一个权重向量W= [wl，…，wn]T，求D与W两个向 量的内积即得待预测节日的偏差do = W · D ；设待预测节日根据预测模型的预测值为eO，计算e0+e0*d0的值作为待预测节日 的话务量预测值。优选的，可以使用ARIMA模型进行预测，针对所述的正常样本数据利用ARIMA模型 进行建模并预测的过程具体为对所述正常样本数据进行季节差分处理得到平稳化的样本数据；对所述进行季节差分处理后的样本数据建立ARMA (p，q)模型；利用所述建立的ARMA(p，q)模型进行节日话务量预测。具体的，对所述进行季节差分处理后的样本数据建立ARMA(p，q)模型还包括以下 步骤设阶数ρ的初始值为1，从ρ = 1开始利用ARMA(p，p-l)进行建模；检测训练集上残差是否为白噪声，并记此时ρ值为pi ；Wp = pl开始对ARMA (ρ, ρ_1)利用F检验法进行定阶。本发明还公开了一种电信网络普通节日话务量预测装置，包括样本数据获取及预处理单元，获取网络话务量的历史值作为历史样本数据，对所述历史样本数据进行预处理，获得正常样本数据；差异显著性检验单元，利用方差分析法，对所述样本数据获取及预处理单元获得 的正常样本数据进行节日话务量与平时话务量差异显著性检验；建模预测单元，针对所述样本数据获取及预处理单元获得的正常样本数据，利用 预测模型进行建模并预测；预测值修正及确定单元，根据所述差异显著性检验单元的检验结果，对所述建模 预测单元的预测值进行处理，若差异性显著则对预测值进行修正，得到最终预测值；若差异 性不显著则将所述建模预测单元的预测值确定为最终预测值。具体的，所述的样本数据获取及预处理单元进一步包括样本数据获取模块，用于从网络性能指标库中动态获取基于时间序列的性能指标 历史值作为历史样本数据，至少选取过去一个月以上的历史样本数据；预处理模块，用于对所述样本数据获取单元获取的历史样本数据进行包括补足缺 失数据的预处理。更进一步的，所述的差异显著性检验单元进一步包括节日指标计算模块，用于根据所述预处理单元处理过的历史样本数据，计算以往η 年中每年该节日的话务量与该节日前一天的话务量的比值，并将所述求得的所有比值组成 一个节日列向量；非节日指标计算模块，用于根据所述预处理单元处理过的历史样本数据，计算该 节日前m周、后m周同期的相邻两天话务量的比值，求得这些比值的平均值，并将所述平均 值作为另一个非节日列向量；检验模块，用于将所述节日列向量和非节日列向量中的值作为节日与非节日两个 水平的试验指标，利用单因素方差分析检验所述两种水平下的话务量差异是否显著，得出结论。更进一步的，所述的预测值修正及确定单元进一步包括预测值修正模块若所述差异显著性检验单元的检验结论为显著，根据建模预测 单元预测的往年该节日预测话务量以及获取的往年该节日实际话务量，计算预测误差，用 所述预测误差与预测值的比例来修正本年该节日的预测值；预测值确定模块若所述差异显著性检验单元的检验结论为显著，确定将预测值 修正模块修正后的预测值为最终预测值，否则将所述建模预测单元的预测值确定为最终预 测值。优选的，所述的预测值修正模块进一步包括预测偏差比例计算模块，用于计算以往η年的同一节日话务量按预测模型预测结 果偏差与预测值的比例，并将这些比例形成一个列向量D= [dl，d2，…，dn]T;偏差值计算模块，用于确定往年偏差的权重值并形成一个权重向量W= [wl,…， wn]T，求D与W两个向量的内积即得待预测节日的偏差d0 = W · D ；预测值修正计算模块，用于设待预测节日根据预测模型的预测值为eO，计算 e0+e0*d0的值作为待预测节日的话务量预测值。优选的，所述的建模预测单元进一步包括样本平稳化模块，用于对经过所述样本数据获取及预处理单元预处理过所述正常样本数据进行季节差分处理得到平稳化的样本数据；建模模块，用于对经过所述样本平稳化单元差分处理过的平稳化样本数据建立 ARMA (p，q)模型；预测模块，用于根据所述建模单元建立的ARMA(p，q)模型进行节日话务量预测。通过上述技术方案可知，本发明所述的电信网络普通节日话务量的预测方法，利 用样本数据检验节日话务量与平时话务量差异是否显著，若差异性不显著则可以用根据样 本数据建立的预测模型对该节日话务量进行预测；若差异性显著，则根据对检验模型的预 测值进行修正，从而得到准确的节日预测值。本发明采用判断节日话务量水平与平时话务 量水平的差异性的方法，来确定对该节日话务量预测的手段，达到了对具体时间段话务量 情况进行具体分析的目的，使得对各种节日的预测区分更加精细化，这样，一方面可以加强 电信网络的运营管理质量，通过普通节日话务量的预测，达到对话务量异常情况的分析目 的，对于网管系统中性能主动监控有重要意义，另一方面也为话务市场营销带来数据参考 值，设计更加满足客户需求的业务种类，争取到更多的潜在用户，从而进一步提高运营商的 收入，提升服务管理水平。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例， 对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获 得其他的附图。图1所示为本发明实施例一的方法流程图；图2所示为本发明实施例二的方法流程图；图3所示为本发明实施例三的方法流程图；图4所示为本发明实施例四的方法流程图；图5所示为本发明采用线性修正方法对预测值进行修正的方法流程图；图6所示为本发明实施例五如何进行ARIMA建模的方法流程图；图7所示为本发明实施例六结合实际情况进行话务量预测的方法流程图；图8所示为本发明实施例六中的时间序列自相关函数示意图；图9所示为本发明实施例六中的检验残差序列的自相关系数是否全部为0的示意 图；图10所示为一种电信网络普通节日话务量的预测装置结构示意图；图11所示为本发明实施例八说明差异显著性检验单元的结构示意图；图12所示为本发明说明预测值修正及确定单元的结构示意图；图13所示为本发明说明建模预测单元的结构示意图。
具体实施例方式为使本发明实施例的目的、技术方案、及优点更加清楚明白，以下参照附图对本发 明实施例提供的技术方案进行详细说明。请参见图1，为本发明第一实施例提供的电信网络普通节日话务量的预测方法流程图，该方法包括如下步骤步骤SlOl 获取网络话务量的历史值作为历史样本数据，对所述历史样本数据进 行预处理，获得正常样本数据。从现有的网络管理系统中动态获取最新的历史样本数据，按照正常样本数据的规 则排除异常样本数据。步骤S102 针对所述的正常样本数据利用预测模型进行建模并预测。建立的预测模型可以是现有技术中对话务量进行预测的模型，如ARIMA模型、神 经网络模型、支持向量机模型等，只要预测模型在基于样本数据的训练集上的拟合效果良 好(训练残差很小且训练残差为白噪声)即可。步骤S103 利用方差分析法对所述正常样本数据进行节日话务量与平时话务量 差异的显著性检验。对正常样本数据进行节日话务量与平日话务量差异显著性检验的目的在于判断 该节日话务量与平日的话务量有多大的差别，如情人节、母亲节、建军节、建党节等，其话务 量既受一周“M”型话务量分布规律的支配，同时又受节日的影响，分析话务量在这两种情况 的综合影响下所呈现的特点，就可以利用方差分析来判别。需要说明的是，以上步骤S102和S103的先后顺序是可以调换的。步骤S104 若节日话务量与平时话务量的差异性显著，则对所述预测模型的预测 值进行修正，得到最终预测值；否则，所述预测模型的预测值即为最终预测值。若差异不显著，则说明该节日话务量和往日话务量的差别不大，直接用预测模型 的预测值即可，其节日特性可忽略。而对于与平时话务量差异性显著的节日，则需在预测模 型预测值的基础上进行适当修正，以涵盖其因为节日特性而产生的话务量变化。以上实施例说明了根据差异显著性检验的结果，利用预测模型和对预测值进行修 正的方法实现普通节日话务量预测的过程。如图2所示，为进一步说明如何获取历史样本数据，以及对历史样本数据进行预 处理的过程，给出本发明的实施例二，包括如下步骤步骤S201 从网络性能指标库中动态获取基于时间序列的话务量历史值作为历 史样本数据，至少选取过去一个月以上的历史样本数据。从网络性能指标库中动态获取基于时间序列的历史样本数据，每个时间点最少选 取过去一个月以上的历史数据。步骤S202 对所述历史样本数据进行包括补足缺失数据的预处理。样本数据的预处理过程可以包括以下三种方式的选择方式一，结合运维期间发现的故障、或者节日、重大事件等有关情况，确定异常时 间点的样本数据，并将异常点排除，保留反映变化规律的典型数据作为正常样本数据。方式二，根据异常时间点的样本数据占整个样本数据的比例，删除最大和最小的 数值，其余作为正常样本数据。方式三，基于历史统计数据确定的正常数据比例，按照概率算法自动选出最为集 中分布的数据作为正常样本数据。步骤S203 针对所述的正常样本数据利用预测模型进行建模并预测。步骤S204:利用方差分析法对所述正常样本数据进行节日话务量与平时话务量
9差异显著性检验。步骤S205 若节日话务量与平时话务量的差异性显著，则对所述预测模型的预测 值进行修正，得到最终预测值；若节日话务量与平时话务量的差异性不显著，则所述预测模 型的预测值即为最终预测值。如图3所示，以下给出实施例三，进一步清楚地说明如何利用方差分析法对正常 样本数据进行节日话务量与平时话务量差异显著性检验的方法。步骤S301 根据以往η年的同期历史数据，η为正整数，计算以往η年中每年该节 日的话务量与该节日前一天的话务量的比值，并将求得的所有比值组成一个节日列向量。如要预测2008年母亲节的话务量，要确定其话务量与平时差异的显著性，在η = 3时则取2007、2006、2005年的每年4、5、6月的话务量数据，并计算以往3年中该节日的话 务量与之前一天的话务量的比值，将这些比值组成一个节日列向量。2007年，查数据库知其母亲节是5/13日，则首先求取该日话务量与其前一天话务 量的比值话务量(5-13)/话务量(5-12)；还需要分别计算出2006年、2005年每年母亲节 当日与前一日的话务量比值，将这些比值组成一个节日列向量。步骤S302 计算该节日前m周、后m周同期的相邻两天话务量的比值，m为正整数， 求得这些比值的平均值，并将所述平均值作为另一个非节日列向量。计算该节日前m周、后m周同期相邻两天话务量比值的平均值。设m = 3，则求其 前三周与其后三周同期相邻两天话务量比值的平均值，还以2007年母亲节为例，考虑到母 亲节前面的3个周末都受到五一放假的影响，故其前m周的同期还要前推3周，亦即求话 务量(4-22)/话务量(4-21)、话务量(4-15)/话务量(4_14)、话务量(4_8)/话务量(4_7) 这3个比值，另外求母亲节后的3周的同期比值，亦即求话务量(5-20)/话务量(5-19)、 话务量(5-27)/话务量(5-26)、话务量(6-3)/话务量(6_2)。然后求这6个比值的平均值 作为2007年与母亲节日期特征类似的平时的话务量的代表，并将这个平均值作为另一个 非节日列向量。一般来说，日话务量数据呈现很强的以7天为周期的周期性，而且，每个周期内亦 即周一到周日内的话务量呈现很强的线性相关性，基本上来说，是呈M型的。所以，正常情 况下每个周日和周六的比值应该是基本相同的。如果母亲节的影响显著，则会使得其周日 和周六的比值呈现出和平常的比值的显著不同。因此不直接取话务量的值，而是用比值来 代替可以使得差异性的判断更加准确，以确保最终预测值的准确性。取η年每年附近同期比值的平均值作为另一个列向量，是因为如果只取一年作为 样本，即使有显著不同，这也可能只是一个随机的事件，但如果取多年的数据，其是否与平 常有显著不同则可以得到验证。步骤S303 将所述两个列向量中的值作为节日与非节日两个水平的试验指标，利 用单因素方差分析检验所述两个水平下的话务量差异是否显著。将话务量作为试验指标，节日与否作为可能影响试验指标值的因素，节日与非节 日分别是该因素的两个水平，利用单因素方差分析检验两种水平下的话务量差异是否显
-frh-
者O对于预测2008年母亲节来说，我们取到的2005年到2007年的母亲节与平时的话 务量情况的两种比值如表1所示
表12005到2007年母亲节与前一天的话务量比值与平时的同期比值
权利要求
一种电信网络普通节日话务量预测方法，其特征在于，所述方法包括下述步骤获取网络话务量的历史值作为历史样本数据，对所述历史样本数据进行预处理，获得正常样本数据；针对所述的正常样本数据利用预测模型进行建模并预测；利用方差分析法对所述正常样本数据进行节日话务量与平时话务量差异显著性检验；若节日话务量与平时话务量的差异性显著，则对所述预测模型的预测值进行修正，得到最终预测值；否则，所述预测模型的预测值即为最终预测值。
2.根据权利要求1所述的电信网络普通节日话务量预测方法，其特征在于，获取普通 节日网络性能指标的历史值作为历史样本数据，对所述历史样本数据进行预处理的过程具 体为从网络性能指标库中动态获取基于时间序列的话务量历史值作为历史样本数据，至少 选取过去一个月以上的历史样本数据；对所述历史样本数据进行包括补足缺失数据的预处理。
3.根据权利要求1或2所述的电信网络普通节日话务量预测方法，其特征在于，所述的 利用方差分析法对所述正常样本数据进行节日话务量与平时话务量差异显著性检验的过 程具体为根据以往η年的同期历史数据，η为正整数，计算以往η年中每年该节日的话务量与该 节日前一天的话务量的比值，并将求得的所有比值组成一个节日列向量；计算该节日前m周、后m周同期的相邻两天话务量的比值，m为正整数，求得这些比值 的平均值，并将所述平均值作为另一个非节日列向量；将所述两个列向量中的值作为节日与非节日两个水平的试验指标，利用单因素方差分 析检验所述两个水平下的话务量差异是否显著。
4.根据权利要求1所述的电信网络普通节日话务量预测方法，其特征在于，所述的对 所述预测模型的预测值进行修正的方法具体为按所述预测模型计算往年该节日话务量的预测误差与预测值的比例来修正本年该节 日的预测值。
5.根据权利要求4所述的节日话务量预测方法，其特征在于，所述修正本年该节日的 预测值的方法具体为计算以往η年的同一节日话务量预测模型预测结果偏差与预测值的比例并将这些比 例形成一个列向量D = [dl，d2，···, dn]T ；确定往年偏差的权重值并形成一个权重向量W= [wl,…，wn]T，求D与W两个向量的 内积即得待预测节日的偏差d0 = W · D ；设待预测节日根据预测模型的预测值为e0，计算e0+e0*d0的值作为待预测节日的话 务量预测值。
6.根据权利要求1所述的电信网络普通节日话务量预测方法，其特征在于，使用ARIMA 模型进行预测，针对所述的正常样本数据利用ARIMA模型进行建模并预测的过程具体为对所述正常样本数据进行季节差分处理得到平稳化的样本数据； 对所述进行季节差分处理后的样本数据建立ARMA (p，q)模型；利用所述建立的ARMA(p，q)模型进行节日话务量预测。
7.根据权利要求6所述的电信网络普通节日话务量预测方法，其特征在于，对所述进 行季节差分处理后的样本数据建立ARMA (p，q)模型还包括以下步骤设阶数P的初始值为1，从P = 1开始利用ARMA (p，P-1)进行建模； 检测训练集上残差是否为白噪声，并记此时P值为Pl ； Wp = pl开始对ARMA (p，p-1)利用F检验法进行定阶。
8.一种电信网络普通节日话务量预测装置，其特征在于，所述装置包括样本数据获取及预处理单元，获取网络话务量的历史值作为历史样本数据，对所述历 史样本数据进行预处理，获得正常样本数据；差异显著性检验单元，利用方差分析法，对所述样本数据获取及预处理单元获得的正 常样本数据进行节日话务量与平时话务量差异显著性检验；建模预测单元，针对所述样本数据获取及预处理单元获得的正常样本数据，利用预测 模型进行建模并预测；预测值修正及确定单元，根据所述差异显著性检验单元的检验结果，对所述建模预测 单元的预测值进行处理，若差异性显著则对预测值进行修正，得到最终预测值；若差异性不 显著则将所述建模预测单元的预测值确定为最终预测值。
9.如权利要求8所述的装置，其特征在于，所述的样本数据获取及预处理单元进一步 包括样本数据获取模块，用于从网络性能指标库中动态获取基于时间序列的性能指标历史 值作为历史样本数据，至少选取过去一个月以上的历史样本数据；预处理模块，用于对所述样本数据获取单元获取的历史样本数据进行包括补足缺失数 据的预处理。
10.如权利要求8或9所述的装置，其特征在于，所述的差异显著性检验单元进一步包括节日指标计算模块，用于根据所述预处理单元处理过的历史样本数据，计算以往η年 中每年该节日的话务量与该节日前一天的话务量的比值，并将所述求得的所有比值组成一 个节日列向量；非节日指标计算模块，用于根据所述预处理单元处理过的历史样本数据，计算该节日 前m周、后m周同期的相邻两天话务量的比值，求得这些比值的平均值，并将所述平均值作 为另一个非节日列向量；检验模块，用于将所述节日列向量和非节日列向量中的值作为节日与非节日两个水平 的试验指标，利用单因素方差分析检验所述两种水平下的话务量差异是否显著，得出结论。
11.如权利要求10所述的装置，其特征在于，所述的预测值修正及确定单元进一步包括预测值修正模块若所述差异显著性检验单元的检验结论为显著，根据建模预测单元 预测的往年该节日预测话务量以及获取的往年该节日实际话务量，计算预测误差，用所述 预测误差与预测值的比例来修正本年该节日的预测值；预测值确定模块若所述差异显著性检验单元的检验结论为显著，确定将预测值修正 模块修正后的预测值为最终预测值，否则将所述建模预测单元的预测值确定为最终预测值。
12.如权利要求11所述的装置，其特征在于，所述的预测值修正模块进一步包括 预测偏差比例计算模块，用于计算以往η年的同一节日话务量按预测模型预测结果偏差与预测值的比例，并将这些比例形成一个列向量D= [dl，d2，…，dn]T;偏差值计算模块，用于确定往年偏差的权重值并形成一个权重向量W= [wl, ···, wn] τ，求D与W两个向量的内积即得待预测节日的偏差d0 = W · D ；预测值修正计算模块，用于设待预测节日根据预测模型的预测值为e0，计算e0+e0*d0 的值作为待预测节日的话务量预测值。
13.如权利要求12所述的装置，其特征在于，所述的建模预测单元进一步包括样本平稳化模块，用于对经过所述样本数据获取及预处理单元预处理过所述正常样本 数据进行季节差分处理得到平稳化的样本数据； 建模模块，用于对经过所述样本平稳化单元差分处理过的平稳化样本数据建立 ARMA (p，q)模型；预测模块，用于根据所述建模单元建立的ARMA(p，q)模型进行节日话务量预测。
全文摘要
本发明公开了一种电信网络普通节日话务量预测方法及其装置，所述方法包括获取网络话务量的历史值作为历史样本数据，对所述历史样本数据进行预处理，获得正常样本数据；针对所述的正常样本数据利用预测模型进行建模并预测；利用方差分析法对所述正常样本数据进行节日话务量与平时话务量差异显著性检验；若节日话务量与平时话务量的差异性显著，则对所述预测模型的预测值进行修正，得到最终预测值；否则，所述预测模型的预测值即为最终预测值。本发明还公开了一种电信网络普通节日话务量预测装置，通过本发明可以对普通节日的话务量进行准确的预测。
文档编号H04W24/06GK101964998SQ20091008957
公开日2011年2月2日 申请日期2009年7月24日 优先权日2009年7月24日
发明者于艳华, 张凤桥, 林春庭, 潘阳发, 王海清 申请人:北京亿阳信通软件研究院有限公司;北京邮电大学