本发明涉及通信,尤其涉及一种基站流量预测方法及相关设备。
背景技术:
1、近年来,移动设备的广泛使用,导致移动基站(base station,bs)流量激增,在这种情况下,准确预测基站流量,以提前做好基站的管理和规划,避免高峰期的网络拥塞,这对于稳定的网络服务非常重要。
2、然而,现有的基站流量预测方法,提取特征数据时存在一定的单一性或盲目性,导致基站流量预测精度不佳。
技术实现思路
1、本发明实施例提供一种基站流量预测方法及相关设备,以解决现有基站流量预测精度不佳的问题。
2、为解决上述技术问题,本发明是这样实现的:
3、第一方面,本发明实施例提供一种基站流量预测方法,包括:
4、根据基站之间的地理距离信息,确定待预测基站的临近基站;
5、确定所述临近基站中的邻居基站,所述邻居基站的历史流量记录与所述待预测基站的历史流量记录之间存在因果关系;
6、对所述待预测基站与所述邻居基站的历史流量记录进行特征提取,得到特征数据;
7、根据特征数据预测所述待预测基站的预测流量。
8、可选的,所述确定所述临近基站中的邻居基站,包括:
9、判断所述待预测基站的历史流量记录与第i个临近基站的历史流量记录是否存在因果关系,i=1,..,k,k为所述待预测基站的临近基站的总数;
10、若存在因果关系,则将所述第i个临近基站确定为邻居基站。
11、可选的,所述对所述待预测基站与所述邻居基站的历史流量记录进行特征提取,得到特征数据,包括:
12、基于注意力机制,利用所述待预测基站与所述邻居基站的历史流量记录,计算待预测基站与邻居基站之间的注意力得分;
13、根据所述注意力得分对所述邻居基站的历史流量记录进行加权求和,得到空间特征;
14、根据所述待预测基站的历史流量记录和所述空间特征,得到特征数据。
15、可选的,所述根据所述注意力得分对所述邻居基站的历史流量记录进行加权求和,得到空间特征,包括:
16、分别利用softmax函数和softmin函数计算所述注意力得分的第一注意力分布和第二注意力分布;
17、使用所述第一注意力分布对所述邻居基站的历史流量记录进行加权求和得到邻居基站的正空间特征,使用所述第二注意力分布对所述邻居基站的历史流量记录进行加权求和得到邻居基站的负空间特征;
18、将所述邻居基站的正空间特征和负空间特征确定为空间特征。
19、可选的,所述根据特征数据预测所述待预测基站的预测流量,包括:
20、将所述特征数据分别输入n个预测器,输出n个第一预测流量,其中,n>2,所述n个预测器分为m+1组预测器,m≥1,不同组预测器所得到的第一预测流量至少部分尺度不同;
21、对每组预测器所得到的第一预测流量通过级数分解得第一预测级数集,每个第一预测级数集包括p个级数项,p为级数项索引,0≤p≤p-1;
22、使用权重矩阵对分解后的级数项进行加权求和,得到所述待预测基站的预测流量;各个第一预测级数集中的级数项p的权重参数之和为1。
23、可选的,每组预测器中不同的预测器输出的第一预测流量分解得到的级数项索引不同。
24、可选的,所述预测器为时间卷积网络。
25、第二方面,本发明实施例提供一种基站流量预测设备,包括:
26、第一筛选模块,用于根据基站之间的地理距离信息,确定待预测基站的临近基站;
27、第二筛选模块,用于确定所述临近基站中的邻居基站,所述邻居基站的历史流量记录与所述待预测基站的历史流量记录之间存在因果关系;
28、特征提取模块,用于对所述待预测基站与所述邻居基站的历史流量记录进行特征提取,得到特征数据;
29、预测模块,用于根据特征数据预测所述待预测基站的预测流量。
30、可选的,第二筛选模块,包括:
31、判断模块,用于判断所述待预测基站的历史流量记录与第i个临近基站的历史流量记录是否存在因果关系,i=1,..,k,k为所述待预测基站的临近基站的总数;
32、筛选子模块,用于在存在因果关系的情况下,则将所述第i个临近基站确定为邻居基站。
33、可选的,特征提取模块,包括:
34、计算模块,用于基于注意力机制,利用所述待预测基站与所述邻居基站的历史流量记录,计算待预测基站与邻居基站之间的注意力得分;
35、空间特征模块,用于根据所述注意力得分对所述邻居基站的历史流量记录进行加权求和,得到空间特征;
36、特征提取子模块,用于根据所述待预测基站的历史流量记录和所述空间特征,得到特征数据。
37、可选的,空间特征模块,包括:
38、注意力分布模块,用于分别利用softmax函数和softmin函数计算所述注意力得分的第一注意力分布和第二注意力分布;
39、空间特征子模块,用于使用所述第一注意力分布对所述邻居基站的历史流量记录进行加权求和得到邻居基站的正空间特征,使用所述第二注意力分布对所述邻居基站的历史流量记录进行加权求和得到邻居基站的负空间特征;
40、并将所述邻居基站的正空间特征和负空间特征确定为空间特征。
41、可选的,所述预测模块,包括:
42、预测器模块,用于将所述特征数据分别输入n个预测器,输出n个第一预测流量,其中,n>2,所述n个预测器分为m+1组预测器,m≥1,不同组预测器所得到的第一预测流量至少部分尺度不同;
43、级数分解模块,用于对每组预测器所得到的第一预测流量通过级数分解得第一预测级数集,每个第一预测级数集包括p个级数项,p为级数项索引,0≤p≤p-1;
44、聚合模块,用于使用权重矩阵对分解后的级数项进行加权求和,得到所述待预测基站的预测流量;各个第一预测级数集中的级数项p的权重参数之和为1。
45、可选的,每组预测器中不同的预测器输出的第一预测流量分解得到的级数项索引不同。
46、可选的,所述预测器为时间卷积网络。
47、第三方面,本发明实施例提供一种电子设备,包括处理器,
48、所述处理器,用于根据基站之间的地理距离信息,确定待预测基站的临近基站;
49、确定所述临近基站中的邻居基站,所述邻居基站的历史流量记录与所述待预测基站的历史流量记录之间存在因果关系;
50、对所述待预测基站与所述邻居基站的历史流量记录进行特征提取,得到特征数据;
51、根据特征数据预测所述待预测基站的预测流量。
52、可选的,所述确定所述临近基站中的邻居基站,包括:
53、判断所述待预测基站的历史流量记录与第i个临近基站的历史流量记录是否存在因果关系,i=1,..,k,k为所述待预测基站的临近基站的总数;
54、若存在因果关系,则将所述第i个临近基站确定为邻居基站。
55、可选的,所述对所述待预测基站与所述邻居基站的历史流量记录进行特征提取,得到特征数据,包括:
56、基于注意力机制,利用所述待预测基站与所述邻居基站的历史流量记录,计算待预测基站与邻居基站之间的注意力得分;
57、根据所述注意力得分对所述邻居基站的历史流量记录进行加权求和,得到空间特征;
58、根据所述待预测基站的历史流量记录和所述空间特征,得到特征数据。
59、可选的,所述根据所述注意力得分对所述邻居基站的历史流量记录进行加权求和,得到空间特征,包括:
60、分别利用softmax函数和softmin函数计算所述注意力得分的第一注意力分布和第二注意力分布;
61、使用所述第一注意力分布对所述邻居基站的历史流量记录进行加权求和得到邻居基站的正空间特征,使用所述第二注意力分布对所述邻居基站的历史流量记录进行加权求和得到邻居基站的负空间特征;
62、将所述邻居基站的正空间特征和负空间特征确定为空间特征。
63、可选的,所述根据特征数据预测所述待预测基站的预测流量,包括:
64、将所述特征数据分别输入n个预测器,输出n个第一预测流量,其中,n>2,所述n个预测器分为m+1组预测器,m≥1,不同组预测器所得到的第一预测流量至少部分尺度不同;
65、对每组预测器所得到的第一预测流量通过级数分解得第一预测级数集,每个第一预测级数集包括p个级数项,p为级数项索引,0≤p≤p-1;
66、使用权重矩阵对分解后的级数项进行加权求和,得到所述待预测基站的预测流量;各个第一预测级数集中的级数项p的权重参数之和为1。
67、可选的,每组预测器中不同的预测器输出的第一预测流量分解得到的级数项索引不同。
68、可选的,所述预测器为时间卷积网络。
69、第四方面,本发明实施例提供一种电子设备,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如上述第一方面所述的基站流量预测方法的步骤。
70、第五方面,本发明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上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的基站流量预测方法的步骤。
71、本发明实施例中,根据基站之间的地理距离信息,确定待预测基站的临近基站;确定所述临近基站中的邻居基站,所述邻居基站的历史流量记录与所述待预测基站的历史流量记录之间存在因果关系;对所述待预测基站与所述邻居基站的历史流量记录进行特征提取,得到特征数据;根据特征数据预测所述待预测基站的预测流量。通过地理距离信息和因果关系筛选邻居基站,即在特征数据对象的筛选过程中,充分考虑空间因素避免了特征数据选择的单一性,同时还充分考虑基站流量之间的因果联系,从而避免特征数据选择的盲目性,减少冗余特征干扰,提高特征选择的有效性,从而提高基站流量预测精度和效率。