一种基于支持向量机的无线网络吞吐量的评估方法及装置专利检索-算法电脑编程专利检索查询-专利查询网

一种基于支持向量机的无线网络吞吐量的评估方法及装置

阅读：0发布：2021-02-26

专利汇可以提供一种基于支持向量机的无线网络吞吐量的评估方法及装置专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于支持向量机的无线网络吞吐量的评估方法及装置，涉及无线通信和数据挖掘技术领域，其方法包括以下步骤：采集N个基站的吞吐量的历史数据；根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络；利用根据所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站，并将该M个基站作为重要基站；利用所述M个重要基站的吞吐量历史数据，对剩余的N‑M个基站吞吐量进行评估；本发明使选取出的少量的基站吞吐量能够体现出其他大量基站的特性，为数据分析减小复杂度。，下面是一种基于支持向量机的无线网络吞吐量的评估方法及装置专利的具体信息内容。

权利要求

1.一种基于支持向量机的无线网络吞吐量的评估方法，其特征在于，包括以下步骤：
采集N个基站的吞吐量的历史数据；
根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络；
利用所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站，并将该M个基站作为重要基站；
利用所述M个重要基站的吞吐量历史数据，对剩余的N-M个基站吞吐量进行评估，其包括：
通过支持向量机算法构造剩余的N-M个基站与M个重要基站的吞吐量关系模型；
利用所述吞吐量关系模型和所述M个重要基站的吞吐量历史数据，得到剩余的N-M个基站的评估吞吐量；
其中，N和M均为正整数，并且N大于M。
2.根据权利要求1所述的方法，其特征在于，所述采集N个基站的吞吐量的历史数据包括：
获取每个基站的吞吐量序列，并计算出所述吞吐量序列中吞吐量的平均值；
通过将所获取的每个基站的吞吐量序列中前3％大的吞吐量替换为所述吞吐量的平均值，得到每个基站的新吞吐量序列；
通过对每个基站的新吞吐量的时间序列进行归一化处理，得到每个基站的归一化吞吐量序列。
3.根据权利要求2所述的方法，其特征在于，所述根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络包括：
根据所得到每个基站的归一化吞吐量序列，分别计算所述N个基站中两两基站之间的相关系数；
当所述相关系数大于相关系数阈值时，则在所述两两基站之间生成一条无向边；
通过所述N个基站中两两基站之间生成的无向边，构建所述N个基站的基站关系网络。
4.根据权利要求3所述的方法，其特征在于，所述利用所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站包括：
通过统计所述基站关系网络中每个基站的无向边条数，得到每个基站的度；
依次选取所述N个基站中前m个度大的基站，根据支持向量机评估N-m个基站的吞吐量，得到m种基站关系网络的吞吐量评估效果；
在所得到的m种基站关系网络的吞吐量评估效果中，选取最好的吞吐量评估效果，并将所选取的最好吞吐量评估效果相对应的m个基站作为对基站关系网络吞吐量评估效果起重要作用的M个基站；
其中，m、M、N为正整数，M<＝m，M5.根据权利要求4所述的方法，其特征在于，所述每个基站的无向边条数与基站度的大小成正比。
6.一种基于支持向量机的无线网络吞吐量的评估装置，其特征在于，包括：
采集模块，用于采集N个基站的吞吐量的历史数据；
构建模块，用于根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络；
查找模块，用于利用所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站，并将该M个基站作为重要基站；
评估模块，用于利用所述M个重要基站的吞吐量历史数据，对剩余的N-M个基站吞吐量进行评估，其包括：
通过支持向量机算法构造剩余的N-M个基站与M个重要基站的吞吐量关系模型；
利用所述吞吐量关系模型和所述M个重要基站的吞吐量历史数据，得到剩余的N-M个基站的评估吞吐量；
其中，N和M均为正整数，并且N大于M。
7.根据权利要求6所述的装置，其特征在于，所述采集模块包括：
计算吞吐量平均值单元，用于获取每个基站的吞吐量序列，并计算出所述吞吐量序列中吞吐量的平均值；
获取单元，用于通过将所获取的每个基站的吞吐量序列中前3％大的吞吐量替换为所述吞吐量的平均值，得到每个基站的新吞吐量序列，以及通过对每个基站的新吞吐量的时间序列进行归一化处理，得到每个基站的归一化吞吐量序列。
8.根据权利要求7所述的装置，其特征在于，所述构建模块包括：
计算相关系数单元，用于根据所得到每个基站的归一化吞吐量序列，分别计算所述N个基站中两两基站之间的相关系数；
生成无向边单元，用于当所述相关系数大于相关系数阈值时，则在所述两两基站之间生成一条无向边；
构建单元，用于通过所述N个基站中两两基站之间生成的无向边，构建所述N个基站的基站关系网络。
9.根据权利要求8所述的装置，其特征在于，所述查找模块包括：
获取单元，用于通过统计所述基站关系网络中每个基站的无向边条数，得到每个基站的度，以及依次选取所述N个基站中前m个度大的基站，根据支持向量机评估N-m个基站的吞吐量，得到m种基站关系网络的吞吐量评估效果；
查找单元，用于在所得到的m种基站关系网络的吞吐量评估效果中，选取最好的吞吐量评估效果，并将所选取的最好吞吐量评估效果相对应的m个基站作为对基站关系网络吞吐量评估效果起重要作用的M个基站；
其中，m、M、N为正整数，M<＝m，M

说明书全文

一种基于支持向量机的无线网络吞吐量的评估方法及装置

技术领域

[0001] 本发明涉及无线通信和数据挖掘技术领域，包括社会网络分析，支持向量机等方法。特别涉及一种基于支持向量机的无线网络吞吐量的评估方法及装置。

背景技术

[0002] 随着无线网络的快速发展，移动互联网数据业务的种类和流量都有了很大的提高，流量爆炸性增长、业务类型极其丰富，对网络流量行为分析也就愈加复杂。为了有效实现网络规划设计、网络资源分配，精细化运营管理等，必须准确地分析网络吞吐量。由于数据业务的多样性、随机性和突发性等特点，传统的数据分析方法已经不能够满足当前的网络吞吐量行为分析。近些年，随着大数据的发展，相关的数据挖掘算法也越来越成熟，这些算法也为无线网络吞吐量行为分析提供了强有力的工具。合理使用相应的数据挖掘算法分析网络吞吐量行为，可以对网络规划、优化、扩容等提供一定指导，从而提高网络对日益丰富的数据业务的承载能力。

发明内容

[0003] 本发明的目的在于提供一种基于支持向量机的无线网络吞吐量的评估方法及装置，解决了现有技术中由于数据业务的多样性、随机性和突发性，不能够满足当前的网络吞吐量行为分析的问题。

[0004] 根据本发明的一个方面，提供了一种基于支持向量机的无线网络吞吐量的评估方法，包括以下步骤：

[0005] 采集N个基站的吞吐量的历史数据；

[0006] 根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络；

[0007] 利用根据所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站，并将该M个基站作为重要基站；

[0008] 利用所述M个重要基站的吞吐量历史数据，对剩余的N-M个基站吞吐量进行评估；

[0009] 其中，N和M均为正整数，并且N大于M。

[0010] 优选地，所述采集N个基站的吞吐量的历史数据包括：

[0011] 获取每个基站的吞吐量序列，并计算出所述吞吐量序列中吞吐量的平均值；

[0012] 通过将所获取的每个基站的吞吐量序列中前3％大的吞吐量替换为所述吞吐量的平均值，得到每个基站的新吞吐量序列；

[0013] 通过对每个基站的新吞吐量的时间序列进行归一化处理，得到每个基站的归一化吞吐量序列。

[0014] 优选地，所述根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络包括：

[0015] 根据所得到每个基站的归一化吞吐量序列，分别计算所述N个基站中两两基站之间的相关系数；

[0016] 当所述相关系数大于相关系数阈值时，则在所述两两基站之间生成一条无向边；

[0017] 通过所述N个基站中两两基站之间生成的无向边，构建所述N个基站的基站关系网络。

[0018] 优选地，所述利用根据所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站包括：

[0019] 通过统计所述基站关系网络中每个基站的无向边条数，得到每个基站的度；

[0020] 依次选取所述N个基站中前m个度大的基站，根据支持向量机评估N-m个基站的吞吐量，得到m种基站关系网络的吞吐量评估效果；

[0021] 在所得到的m种基站关系网络的吞吐量评估效果中，选取最好的吞吐量评估效果，并将所选取的最好吞吐量评估效果相对应的m个基站作为对基站关系网络吞吐量评估效果起重要作用的M个基站；

[0022] 其中，m、M、N为正整数，M<＝m，M

[0023] 优选地，所述每个基站的无向边条数与基站度的大小成正比。

[0024] 优选地，所述利用所述M个重要基站的吞吐量历史数据，对剩余的N-M个基站吞吐量进行评估包括：

[0025] 通过支持向量机算法构造剩余的N-M个基站与M个重要基站的吞吐量关系模型；

[0026] 利用所述吞吐量关系模型和所述M个重要基站的吞吐量历史数据，得到剩余的N-M个基站的评估吞吐量。

[0027] 根据本发明的另一方面，提供了一种基于支持向量机的无线网络吞吐量的评估装置，包括：

[0028] 采集模块，用于采集N个基站的吞吐量的历史数据；

[0029] 构建模块，用于根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络；

[0030] 查找模块，用于利用根据所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站，并将该M个基站作为重要基站；

[0031] 评估模块，用于利用所述M个重要基站的吞吐量历史数据，对剩余的N-M个基站吞吐量进行评估；

[0032] 其中，N和M均为正整数，并且N大于M。

[0033] 优选地，所述采集模块包括：

[0034] 计算吞吐量平均值单元，用于获取每个基站的吞吐量序列，并计算出所述吞吐量序列中吞吐量的平均值；

[0035] 获取单元，用于通过将所获取的每个基站的吞吐量序列中前3％大的吞吐量替换为所述吞吐量的平均值，得到每个基站的新吞吐量序列，以及通过对每个基站的新吞吐量的时间序列进行归一化处理，得到每个基站的归一化吞吐量序列。

[0036] 优选地，所述构建模块包括：

[0037] 计算相关系数单元，用于根据所得到每个基站的归一化吞吐量序列，分别计算所述N个基站中两两基站之间的相关系数；

[0038] 生成无向边单元，用于当所述相关系数大于相关系数阈值时，则在所述两两基站之间生成一条无向边；

[0039] 构建单元，用于通过所述N个基站中两两基站之间生成的无向边，构建所述N个基站的基站关系网络。

[0040] 优选地，所述查找模块包括：

[0041] 获取单元，用于通过统计所述基站关系网络中每个基站的无向边条数，得到每个基站的度，以及依次选取所述N个基站中前m个度大的基站，根据支持向量机评估N-m个基站的吞吐量，得到m种基站关系网络的吞吐量评估效果；

[0042] 查找单元，用于在所得到的m种基站关系网络的吞吐量评估效果中，选取最好的吞吐量评估效果，并将所选取的最好吞吐量评估效果相对应的m个基站作为对基站关系网络吞吐量评估效果起重要作用的M个基站；

[0043] 其中，m、M、N为正整数，M<＝m，M

[0044] 与现有技术相比较，本发明的有益效果在于：

[0045] 本发明使选取出的少量的基站吞吐量能够体现出其他大量基站的特性，为数据分析减小复杂度；同时，使得能够在已知空间部分基站吞吐量的情况下，评估出空间范围内其他大量未知基站的吞吐量，从而对无线网络资源的优化提供参考。附图说明

[0046] 图1是本发明实施例提供的一种基于支持向量机的无线网络吞吐量的评估方法流程图；

[0047] 图2是本发明实施例提供的一种基于支持向量机的无线网络吞吐量的评估装置示意图；

[0048] 图3是本发明实施例提供的基于支持向量机的无线网络吞吐量评估方法的流程图；

[0049] 图4是本发明实施例提供的支持向量机的算法流程图；

[0050] 图5是本发明第一实施例提供的构建基站关系网络图；

[0051] 图6是本发明第一实施例提供的SMAPE(Symmetric mean absolute percentage error，对称平均相对误差)平均值随m的变化情况图；

[0052] 图7是本发明第一实施例提供的两个基站的评估结果图；

[0053] 图8是本发明第二实施例提供的构建基站关系网络图；

[0054] 图9是本发明第二实施例提供的SMAPE平均值随m的变化情况图；

[0055] 图10是本发明第二实施例提供的两个基站的评估结果图。

具体实施方式

[0056] 以下结合附图对本发明的优选实施例进行详细说明，应当理解，以下所说明的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

[0057] 图1是本发明实施例提供的一种基于支持向量机的无线网络吞吐量的评估方法流程图，如图1所示，包括以下步骤：

[0058] 步骤S101：采集N个基站的吞吐量的历史数据；

[0059] 步骤S102：根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络；

[0060] 步骤S103：利用根据所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站，并将该M个基站作为重要基站；

[0061] 步骤S104：利用所述M个重要基站的吞吐量历史数据，对剩余的N-M个基站吞吐量进行评估；

[0062] 其中，N和M均为正整数，并且N大于M。

[0063] 其中，所述采集N个基站的吞吐量的历史数据包括：获取每个基站的吞吐量序列，并计算出所述吞吐量序列中吞吐量的平均值；通过将所获取的每个基站的吞吐量序列中前3％大的吞吐量替换为所述吞吐量的平均值，得到每个基站的新吞吐量序列；通过对每个基站的新吞吐量的时间序列进行归一化处理，得到每个基站的归一化吞吐量序列。

[0064] 其中，所述根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络包括：根据所得到每个基站的归一化吞吐量序列，分别计算所述N个基站中两两基站之间的相关系数；当所述相关系数大于相关系数阈值时，则在所述两两基站之间生成一条无向边；通过所述N个基站中两两基站之间生成的无向边，构建所述N个基站的基站关系网络。

[0065] 其中，所述利用根据所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站包括：通过统计所述基站关系网络中每个基站的无向边条数，得到每个基站的度；依次选取所述N个基站中前m个度大的基站，根据支持向量机评估N-m个基站的吞吐量，得到m种基站关系网络的吞吐量评估效果；在所得到的m种基站关系网络的吞吐量评估效果中，选取最好的吞吐量评估效果，并将所选取的最好吞吐量评估效果相对应的m个基站作为对基站关系网络吞吐量评估效果起重要作用的M个基站；其中，m、M、N为正整数，M<＝m，M

[0066] 其中，所述利用所述M个重要基站的吞吐量历史数据，对剩余的N-M个基站吞吐量进行评估包括：通过支持向量机算法构造剩余的N-M个基站与M个重要基站的吞吐量关系模型；利用所述吞吐量关系模型和所述M个重要基站的吞吐量历史数据，得到剩余的N-M个基站的评估吞吐量。

[0067] 图2是本发明实施例提供的一种基于支持向量机的无线网络吞吐量的评估装置示意图，如图2所示，包括：采集模块201、构建模块202、查找模块203以及评估模块204。所述采集模块201，用于采集N个基站的吞吐量的历史数据；所述构建模块202，用于根据所采集的N个基站的吞吐量的历史数据，构建所述N个基站的基站关系网络；所述查找模块203，用于利用根据所述基站关系网络以及所述吞吐量的历史数据，找到对基站关系网络吞吐量评估效果起重要作用的M个基站，并将该M个基站作为重要基站；所述评估模块204，用于利用所述M个重要基站的吞吐量历史数据，对剩余的N-M个基站吞吐量进行评估；其中，N和M均为正整数，并且N大于M。

[0068] 其中，所述采集模块201包括：计算吞吐量平均值单元，用于获取每个基站的吞吐量序列，并计算出所述吞吐量序列中吞吐量的平均值；获取单元，用于通过将所获取的每个基站的吞吐量序列中前3％大的吞吐量替换为所述吞吐量的平均值，得到每个基站的新吞吐量序列，以及通过对每个基站的新吞吐量的时间序列进行归一化处理，得到每个基站的归一化吞吐量序列。所述构建模块202包括：计算相关系数单元，用于根据所得到每个基站的归一化吞吐量序列，分别计算所述N个基站中两两基站之间的相关系数；生成无向边单元，用于当所述相关系数大于相关系数阈值时，则在所述两两基站之间生成一条无向边；构建单元，用于通过所述N个基站中两两基站之间生成的无向边，构建所述N个基站的基站关系网络。所述查找模块203包括：获取单元，用于通过统计所述基站关系网络中每个基站的无向边条数，得到每个基站的度，以及依次选取所述N个基站中前m个度大的基站，根据支持向量机评估N-m个基站的吞吐量，得到m种基站关系网络的吞吐量评估效果；查找单元，用于在所得到的m种基站关系网络的吞吐量评估效果中，选取最好的吞吐量评估效果，并将所选取的最好吞吐量评估效果相对应的m个基站作为对基站关系网络吞吐量评估效果起重要作用的M个基站；其中，m、M、N为正整数，M<＝m，M

[0069] 本发明主要包含以下四个模块：数据预处理模块，基站关系网络构建模块，重要基站选取模块，空间吞吐量评估模块。所述数据预处理模块，用于选取待研究的N个基站，剔除其中的异常数据点；所述基站关系网络构建模块，用于根据已采集的N个基站历史数据构建基站之间的关系网络；所述重要基站选取模块，用于根据在历史数据上的评估效果，从N个基站中选取出M个重要基站；所述空间吞吐量评估模块，用于对于待评估时间，根据已知的M个基站的吞吐量评估出其他N-M个基站的吞吐量。

[0070] 具体地说，所述数据预处理模块包括：

[0071] A1.选取空间位置上处于同一区域的N个基站；

[0072] A2.剔除每个基站吞吐量中的异常点；

[0073] A3.对数据进行一次归一化。

[0074] 所述基站关系网络构建模块包括：

[0075] B1.计算N个基站两两之间的相关系数；

[0076] B2.根据相关系数，构建一个给定阈值的基站关系网络。

[0077] 所述重要基站选取模块包括：

[0078] C1.统计基站关系网络中各基站度的大小；

[0079] C2.依次选取度前m(m＝1,2……N)大的基站作为重要基站，根据支持向量机评估其他N-m个基站的吞吐量；

[0080] C3.选取在历史数据上评估效果最好时的M个基站作为重要基站。

[0081] 所述空间吞吐量评估模块包括：

[0082] D1.根据选出的M个重要基站，评估其他N-M个基站的吞吐量。

[0083] 图3是本发明实施例提供的基于支持向量机的无线网络吞吐量评估方法的流程图，如图3所示，包括：

[0084] 步骤1、数据预处理；

[0085] 为了未来根据部分基站的吞吐量评估其他大量基站的吞吐量，需要先采集到所有基站的历史业务数据，然后对数据进行预处理。数据预处理主要包含以下几个步骤：

[0086] a、根据需求选取空间位置上处于同一区域的N个基站；

[0087] b、整理N个基站吞吐量序列，将各个序列中前3％大的吞吐量替换为该序列的平均值，得到第i个基站的吞吐量序列pi(i＝1,2……N)；

[0088] c、对各基站吞吐量的时间序列进行归一化处理,得到第i个基站的归一化吞吐量序列Si。

[0089]

[0090] 其中，为第i个基站t时刻的归一化吞吐量，max(pi)，min(pi)分别表示原始吞吐量序列的最大值与最小值，L为序列总长度。

[0091] 步骤2、构建基站关系网络；

[0092] 对待研究的N个基站，L为所采集数据的总时长，取L中前T(一般左右)个时间数据计算第i(i＝1,2,3……N)个基站与第j(j＝1,2,3……N)个基站之间的相关系数ρij，计算公式为

[0093]

[0094] Si为第i个基站的吞吐量序列，为第i个基站在总时长内的平均吞吐量，为第i个基站在时刻t时的吞吐量大小(t＝1,2,3……T)；Sj为第j个基站的吞吐量序列，为第j个基站在总时长内的平均吞吐量，为第j个基站在时刻t时的吞吐量大小(t＝1,2,3……T)。对于一个给定的相关系数阈值c,若ρij大于c,则认为基站i与基站j存在明显的相关关系，在他们之间添加一条无向边，这样就可以构建出N个基站的关系网络。

[0095] 步骤3、选取重要基站；

[0096] 在本发明中，采用SVM(Support Vector Machine，支持向量机)来评估基站吞吐量。SVM的算法流程如图4所示，包括以下步骤：

[0097] 1、根据评估样本建立训练样本集和测试样本集；

[0098] 2、根据训练样本集建立目标函数；

[0099] 3、求解目标函数，得到最优参数；

[0100] 4、将最优参数代入目标函数，得到决策回归方程；

[0101] 5、使用测试数据验证决策回归方程；

[0102] 6、是否小于给定误差e；

[0103] 当判断小于给定误差e时，进入步骤7，当判断不小于给定误差e时，调整参数，并返回到步骤3。

[0104] 7、将评估样本输入决策回归方程计算其他基站吞吐量。

[0105] 在本发明中，最终吞吐量评估效果好坏使用SMAPE来衡量，SMAPE反映了评估值与真实值之间相对误差的大小，同时解决了由于真实值过小可能带来的相对误差太大的问题，其具体公式为：

[0106]

[0107] 其中Ft为评估值，At为实际值。

[0108] 为了筛选出部分基站作为重要基站，依次选取度前m(m＝1,2……N)大的基站作为重要基站，根据支持向量机评估其他N-m个基站的吞吐量。计算评估出来的各个基站的SMAPE，选取平均SMAPE最小时的M个基站作为重要基站。

[0109] 步骤4、使用重要基站评估其他基站吞吐量。

[0110] 在本发明中，根据选出的M个重要基站，采用SVM算法，使用历史数据训练出其他N-M个基站与M个重要基站的吞吐量关系模型。将待评估时间段内的M个基站的吞吐量输入到关系模型中，即可输出对应的N-M个基站的吞吐量。

[0111] 为了使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图5至附图10对本发明做进一步的详细的说明。

[0112] 实施例一

[0113] 本实例中数据来源于现网中某大型城市所有基站统计的数据，其时间颗粒度为60分钟，时间总长度为连续21天。本发明实施例中的无线网络空间吞吐量评估方法包含以下步骤：

[0114] 步骤一：数据预处理；

[0115] A.根据需求选取空间位置上处于同一区域的95个基站；

[0116] B.剔除95个基站中的异常数据点，得到各基站的吞吐量序列；

[0117] C.对各基站吞吐量的时间序列进行归一化处理，得到第i个基站的归一化吞吐量序列Si。

[0118] 步骤二：对待研究的95个基站，构建基站关系网络；

[0119] A.取这95个基站前18天的数据计算第i(i＝1,2,3……95)个基站与第j(j＝1,2,3……95)个基站之间的相关系数ρij，计算公式为

[0120]

[0121] 其中T＝432，Si为第i个基站的吞吐量序列，为第i个基站在总时长内的平均吞吐量，为第i个基站在时刻t时的吞吐量大小(t＝1,2,3……432)；Sj为第j个基站的吞吐量序列，为第j个基站在总时长内的平均吞吐量，为第j个基站在时刻t时的吞吐量大小(t＝1,2,3……432)。

[0122] B.在本发明中，给定相关系数阈值c＝0.6(一般认为相关系数大于0.6即为强相关),若ρij大于0.6,则在基站i与基站j之间添加一条无向边，这样就可以构建出95个基站的关系网络。如图5所示，其中点代表基站，无向边体现了基站之间的相关性，点越大代表该基站的度越大。

[0123] 步骤四：选取重要基站；

[0124] A.从18天的历史数据中，选取前15天数据作为训练样本集，后3天数据作为测试样本集；将所有基站前15天数据作为支持向量机算法(SVM)的输入，输出训练得到的其他95-m个基站与选取的m个基站吞吐量关系模型；

[0125] B.将度最大的m个基站的后3天数据作为吞吐量关系模型的输入，输出其他95-m个基站后3天的估计值；

[0126] C.计算95-m个基站各自的SMAPE，做出SMAPE平均值随m的变化情况，如图6所示，黑点为95-m个基站SMAPE的平均值，从图中可以看出，当m＝8时，其他基站的平均SMAPE最小，也就是预测效果最佳，因此在本实施例中我们选取的重要基站个数为M＝8。

[0127] 步骤五：使用支持向量机算法评估空间吞吐量。

[0128] 在本发明中，我们根据选出的8个重要基站，采用支持向量机算法(SVM)使用历史数据训练出其他87个基站与8个重要基站的吞吐量关系模型。将原始21天数据中的最后3天的8个基站的吞吐量输入到关系模型中，即可输出对应的87个基站的吞吐量。

[0129] 如图7所示，展示了87个基站中部分基站的评估结果，其中1为评估值，2为真实值。计算87个基站的评估误差，得到平均SMAPE＝30.3％，可见该方法具有较高的准确度[0130] 实施例二

[0131] 本实例中数据来源于现网中某大型城市中典型区域的统计数据，其时间颗粒度为60分钟，时间总长度为连续18天。本发明实施例中的无线网络空间吞吐量评估方法包含以下步骤：

[0132] 步骤一：数据预处理；

[0133] A.根据需求选取空间位置上处于同一区域的117个基站；

[0134] B.剔除117个基站中的异常数据点，得到各基站的吞吐量序列；

[0135] C.对各基站吞吐量的时间序列进行归一化处理，得到第i个基站的归一化吞吐量序列Si。

[0136] 步骤二：对待研究的117个基站，构建基站关系网络；

[0137] A.取这117个基站前15天的数据计算第i(i＝1,2,3……117)个基站与第j(j＝1,2,3……117)个基站之间的相关系数ρij，计算公式为

[0138]

[0139] 其中T＝360，Si为第i个基站的吞吐量序列，为第i个基站在总时长内的平均吞吐量，为第i个基站在时刻t时的吞吐量大小(t＝1,2,3……360)；Sj为第j个基站的吞吐量序列，为第j个基站在总时长内的平均吞吐量，为第j个基站在时刻t时的吞吐量大小(t＝1,2,3……360)。

[0140] B.在本发明中，我们给定相关系数阈值c＝0.6(一般认为相关系数大于0.6即为强相关),若ρij大于0.6,则在基站i与基站j之间添加一条无向边，这样就可以构建出117个基站的关系网络。如图8所示，其中点代表基站，边体现了基站之间的相关性，点越大代表该基站的度越大。

[0141] 步骤四：选取重要基站；

[0142] A.从15天的历史数据中，选取前12天数据作为训练集，后三天数据作为测试集；将所有基站前12天数据作为支持向量机算法(SVM)的输入，输出训练得到的其他117-m个基站与选取的m个基站吞吐量关系模型；

[0143] B.将度最大的m个基站的后3天数据作为吞吐量关系模型的输入，输出其他117-m个基站后三天的估计值；

[0144] C.计算117-m的基站各自的SMAPE，做出平均SMAPE随m的变化情况，如图9所示，黑点为117-m个基站SMAPE的平均值，从图中可以看出，当m＝11时，其他基站的平均SMAPE最小，也就是预测效果最佳，因此在本实施例中我们选取的重要基站个数为M＝11。

[0145] 步骤五：使用SVM算法评估空间吞吐量。

[0146] 在本发明中，我们根据选出的11个重要基站，采用支持向量机算法(SVM)使用历史数据训练出其他106个基站与11个重要基站的吞吐量关系模型。将待评估时间段内的11个基站的吞吐量输入到关系模型中，即可输出对应的106个基站的吞吐量。

[0147] 如图10所示，即为评估结果示例，其中3为评估值，4为真实值。计算106个基站的评估误差，得到平均SMAPE＝36.4％，评估结果有较高的准确度。

[0148] 综上所述，本发明具有以下技术效果：

[0149] 本发明根据基站历史数据得到基站之间吞吐量变化关系，并构建基站关系网络，从该网络中选取出少数重要基站，从而评估出其他大量基站的吞吐量。具有很高的实用价值，例如在基站数据采集中，有很多基站的数据会有缺失，采用本发明，可以评估出缺失数据，从而做进一步的网络分析。同时，可以根据需求，灵活的选取不同地区或者时间段的历史数据来评估，具有普遍的适用性和更好的预测准确度。

[0150] 尽管上文对本发明进行了详细说明，但是本发明不限于此，本技术领域技术人员可以根据本发明的原理进行各种修改。因此，凡按照本发明原理所作的修改，都应当理解为落入本发明的保护范围。

标题	发布/更新时间	阅读量
一种基于支持向量机的无线网络吞吐量的评估方法及装置	2021-02-26	0
异构车联网中面向异质业务的分布式资源分配方法及系统	2023-03-07	2
一种光纤陀螺反馈回路性能测试方法及装置	2020-07-22	0
基于变频器辅给定转速抑制钻柱黏滑振动控制系统及方法	2020-09-30	3
一种道路瓶颈路段识别及交通拥堵传播预警系统和方法	2020-12-17	1
一种电动汽车用增程器功率快速响应的控制系统及其方法	2023-01-22	0
一种信息传输方法及系统	2021-08-22	1
一种特殊非线性滤波图像处理方法	2022-11-16	1
一种HEVC视频信息隐藏的嵌入方法及提取方法	2020-10-09	2
一种高速移动列车下行链路的功率分配方法及系统	2022-01-14	0

一种基于支持向量机的无线网络吞吐量的评估方法及装置

一种基于支持向量机的无线网络吞吐量的评估方法及装置

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：