據(jù)；
[0045] 對(duì)所述樣本數(shù)據(jù)進(jìn)行包括補(bǔ)足缺失數(shù)據(jù)的預(yù)處理；
[0046] 根據(jù)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量預(yù)測(cè)需求以時(shí)間維度確定樣本序列。
[0047] 本發(fā)明還公開了一種移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量的預(yù)測(cè)裝置，其特征在于，所述裝 置包括：
[0048] 數(shù)據(jù)獲取單元，用于獲取基于時(shí)間順序的移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量歷史值序列作 為樣本序列；
[0049] 數(shù)據(jù)分析單元，用于對(duì)所述數(shù)據(jù)獲取單元單元的樣本序列進(jìn)行自相似探測(cè)和多重 分形探測(cè)；
[0050] 預(yù)測(cè)單元，用于根據(jù)所述數(shù)據(jù)分析單元探測(cè)的所述樣本序列特性，選擇與其適應(yīng) 的模型并進(jìn)行數(shù)據(jù)預(yù)測(cè)；若所述樣本序列不具有自相似特性，則根據(jù)ARMA模型對(duì)所述樣本 序列進(jìn)行預(yù)測(cè)，獲得預(yù)測(cè)值；若所述樣本序列僅具有自相似特性不具有多重分形特性，則根 據(jù)FARIMA模型對(duì)所述樣本序列進(jìn)行建模預(yù)測(cè)，獲得預(yù)測(cè)值。
[0051] 進(jìn)一步的，所述裝置還包括：
[0052] 分形單元，用于若所述數(shù)據(jù)分析單元探測(cè)的所述樣本序列具有自相似特性和多重 分形特性，則消除所述樣本序列的多重分形特性后，獲得分支樣本序列；將所述分支樣本序 列發(fā)送至數(shù)據(jù)探測(cè)模塊進(jìn)行探測(cè)后，所述預(yù)測(cè)單元對(duì)所述分支樣本序列進(jìn)行預(yù)測(cè)。
[0053] 具體的，
[0054] 所述分形單元依照數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量時(shí)間點(diǎn)分布特性分解所述具有多重分形特性 的樣本序列，得到多個(gè)分支序列；
[0055] 所述數(shù)據(jù)分析單元對(duì)所述分形單元獲得的多個(gè)分支序列進(jìn)行多重分形探測(cè)，若該 分支序列已不具有多重分形特性，則不用繼續(xù)分解；若該分支序列仍具有多重分形特性，則 所述分型單元繼續(xù)對(duì)其進(jìn)行分解，直到獲得不具有多重分形特性的分支樣本序列為止。
[0056] 具體的，所述預(yù)測(cè)單元進(jìn)一步包括：
[0057] 模型選擇模塊，用于根據(jù)所述數(shù)據(jù)分析單元探測(cè)的所述樣本序列特性，選擇與其 適應(yīng)的模型，發(fā)送給相應(yīng)的模型預(yù)測(cè)單元進(jìn)行預(yù)測(cè)；
[0058] FARIMA模型預(yù)測(cè)單元，用于對(duì)具有自相似特性的樣本序列采用FARIMA模型對(duì)樣 本序列進(jìn)行建模預(yù)測(cè)；
[0059] ARMA模型預(yù)測(cè)單元，用于對(duì)不具有自相似特性的樣本序列采用ARMA模型對(duì)樣本 序列進(jìn)行建模預(yù)測(cè)。
[0060] 具體的，所述數(shù)據(jù)分析單元進(jìn)一步包括：
[0061] 自相似探測(cè)模塊，用于計(jì)算所述數(shù)據(jù)獲取單元獲得所述樣本序列的自相似指數(shù)值 H，根據(jù)H值確定樣本序列的自相似特性；
[0062]多重分形探測(cè)模塊，用于計(jì)算經(jīng)過所述自相似探測(cè)模塊探測(cè)過的具有自相似特性 樣本序列的多重分形譜，根據(jù)其多重分形譜開口Λ α確定所述樣本序列是否具有多重分 形特性。
[0063] 優(yōu)選的，
[0064] 所述數(shù)據(jù)獲取單元還包括：
[0065] 殘差序列獲取模塊，用于計(jì)算所述樣本序列實(shí)際值和其對(duì)應(yīng)預(yù)測(cè)值的誤差值，獲 得殘差序列；
[0066] 所述數(shù)據(jù)獲取單元還用于接收與所述預(yù)測(cè)單元預(yù)測(cè)值相對(duì)應(yīng)的實(shí)際值，加入到所 述樣本序列中獲得新樣本序列；
[0067] 所述數(shù)據(jù)分析單元還包括：
[0068] 白噪聲檢驗(yàn)?zāi)K，用于對(duì)所述殘差序列獲取模塊獲得的殘差序列進(jìn)行白噪聲檢 驗(yàn)；
[0069] 所述自相似探測(cè)模塊對(duì)所述數(shù)據(jù)獲取單元獲取的所述新樣本序列計(jì)算自相似指 數(shù)Η' ；
[0070] 所述預(yù)測(cè)單元還包括：
[0071 ] 模型適用性確定模塊，用于根據(jù)所述白噪聲檢驗(yàn)?zāi)K對(duì)所述殘差序列的白噪聲檢 驗(yàn)結(jié)果與所述自相似探測(cè)模塊計(jì)算的新樣本序列自相似指數(shù)Η'，檢驗(yàn)并確定所述新樣本序 列使用的預(yù)測(cè)模型，發(fā)送給相應(yīng)的模型預(yù)測(cè)單元進(jìn)行預(yù)測(cè)。
[0072] 具體的，所述模型適用性確定模塊完成模型確定的方法為：
[0073] 若所述自相似探測(cè)模塊獲得的新樣本序列自相似指數(shù)Η'與所述樣本序列自相似 指數(shù)H相同，且所述白噪聲檢驗(yàn)?zāi)K檢驗(yàn)的殘差序列仍為白噪聲，則針對(duì)新樣本序列使用 與所述樣本序列相同的預(yù)測(cè)模型對(duì)下一時(shí)間點(diǎn)的值進(jìn)行預(yù)測(cè)；
[0074] 若所述自相似探測(cè)模塊獲得的新樣本序列的自相似指數(shù)Η'與所述樣本序列自相 似指數(shù)H相同，且所述白噪聲檢驗(yàn)?zāi)K檢驗(yàn)的新殘差序列不是白噪聲，則所述分形單元針 對(duì)新樣本序列進(jìn)行多重分形后，針對(duì)所述經(jīng)過分形后的序列使用與所述原樣本序列相同的 預(yù)測(cè)模型對(duì)下一時(shí)間點(diǎn)的值進(jìn)行預(yù)測(cè)；
[0075] 若所述自相似探測(cè)模塊獲得的新樣本序列的自相似指數(shù)H'與所述樣本序列自相 似指數(shù)H不同，則對(duì)所述新樣本序列進(jìn)行多重分形探測(cè)，根據(jù)所述探測(cè)結(jié)果結(jié)合所述新的 自相似指數(shù)H'對(duì)新樣本序列重新選擇相應(yīng)模型對(duì)下一時(shí)間點(diǎn)的值進(jìn)行預(yù)測(cè)。
[0076] 具體的，所述預(yù)測(cè)單元采用FARIMA進(jìn)行建模預(yù)測(cè)的方法為：
[0077] 根據(jù)所述FARIM模型結(jié)合所述樣本序列X⑴的自相似指數(shù)H，計(jì)算其分?jǐn)?shù)差分階 數(shù)d ;
[0078] 根據(jù)以及所述分?jǐn)?shù)差分階數(shù)d對(duì)所述樣本序列進(jìn)行分?jǐn)?shù)差分得到序列Y⑴；
[0079] 對(duì)所述分?jǐn)?shù)差分序列Y (t)進(jìn)行季節(jié)探測(cè)獲得其周期系數(shù)，對(duì)其進(jìn)行周期為η的季 節(jié)差分，得到序列W(t);
[0080] 對(duì)所述序列W(t)進(jìn)行ARM建模預(yù)測(cè)，得出預(yù)測(cè)值；
[0081] 具體的，所述預(yù)測(cè)單元采用ARMA進(jìn)行建模預(yù)測(cè)的方法為：
[0082] 對(duì)所述樣本序列X (t)進(jìn)行季節(jié)探測(cè)獲得其周期系數(shù)，對(duì)其進(jìn)行周期為m的季節(jié)差 分，得到序列；
[0083] 對(duì)所述序列M⑴進(jìn)行ARMA (p，q)定階；
[0084] 計(jì)算所述選定階數(shù)的ARMA (p，q)模型參數(shù)；
[0085] 根據(jù)所述確定階數(shù)和模型參數(shù)的ARM(p，q)模型，對(duì)所述樣本序列X(t)進(jìn)行預(yù) 測(cè)。
[0086] 由上述技術(shù)方案可知，本發(fā)明所述的一種移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量的動(dòng)態(tài)預(yù)測(cè)方 法，根據(jù)移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)業(yè)務(wù)量的自身特點(diǎn)，通過先對(duì)樣本序列進(jìn)行自相似和多重分形 探測(cè)，根據(jù)探測(cè)的結(jié)果確定該樣本序列適用的預(yù)測(cè)模型，避免對(duì)所有樣本序列采用同樣的 預(yù)測(cè)模型進(jìn)行預(yù)測(cè)而產(chǎn)生的較大誤差；同時(shí)引入動(dòng)態(tài)預(yù)測(cè)方法，在樣本序列中加入新到達(dá) 實(shí)際值，通過自相似指數(shù)和白噪聲檢驗(yàn)確定新樣本序列特性是否發(fā)生變化，根據(jù)檢驗(yàn)結(jié)果 確定適用的預(yù)測(cè)模型，不用每次都針對(duì)新到達(dá)數(shù)據(jù)進(jìn)行新的建模預(yù)測(cè)，大大提高了預(yù)測(cè)效 率。
【附圖說明】
[0087] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例中所 需要使用的附圖作簡(jiǎn)單介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例， 對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲 得其他的附圖。
[0088] 圖1所示為本發(fā)明實(shí)施例一的方法流程圖；
[0089] 圖2所示為本發(fā)明實(shí)施例二的方法流程圖；
[0090] 圖3所示為本發(fā)明實(shí)施例二中的多重分形譜開口示意圖；
[0091] 圖4所不為本發(fā)明實(shí)施例二的方法流程圖；
[0092] 圖5所示為本發(fā)明實(shí)施例四的方法流程圖；
[0093] 圖6所示為本發(fā)明實(shí)施例五的方法流程圖；
[0094] 圖7所示為本發(fā)明實(shí)施例六的方法流程圖；
[0095] 圖8所示為本發(fā)明實(shí)施例六中19:00分支序列多重分形譜開口示意圖；
[0096] 圖9所示為本發(fā)明實(shí)施例六中19:00分支序列自相關(guān)函數(shù)ACF示意圖；
[0097] 圖10所示為本發(fā)明實(shí)施例六中誤差序列自相關(guān)函數(shù)ACF示意圖；
[0098] 圖11所