基于數(shù)據(jù)波動的短期態(tài)勢分析方案

汪汀嵐，王首峰，張冬晨，孟德香

（中國移動通信集團(tuán)設(shè)計院有限公司，北京 100080）

基于數(shù)據(jù)波動的短期態(tài)勢分析方案

汪汀嵐，王首峰，張冬晨，孟德香

（中國移動通信集團(tuán)設(shè)計院有限公司，北京 100080）

就基于海量網(wǎng)管信息，依據(jù)其數(shù)據(jù)波動規(guī)律，對其短期頻譜資源使用態(tài)勢等問題進(jìn)行了研究探討，提出了一種基于數(shù)據(jù)波動的短期態(tài)勢分析方案。在保持網(wǎng)絡(luò)穩(wěn)定性及網(wǎng)絡(luò)覆蓋的基礎(chǔ)上，減少不必要的空閑頻譜容量，為頻譜資源預(yù)警、設(shè)置載波參數(shù)提供有力支撐，提高經(jīng)濟效益和社會效益。

無線電頻譜資源；預(yù)測；混沌時間序列；加權(quán)一階局域法

1 引言

隨著科學(xué)技術(shù)的發(fā)展，人們對無線電頻譜的利用更趨頻繁，使無線電頻譜資源的稀缺程度不斷加大。準(zhǔn)確的短期預(yù)測，有助于經(jīng)濟合理地設(shè)置載波等參數(shù)，保持網(wǎng)絡(luò)的安全穩(wěn)定性的同時，減少空閑頻譜資源，提高頻譜資源的經(jīng)濟效益和社會效益。

論文基于改進(jìn)相空間加權(quán)局域法的混沌時序預(yù)測和基于改進(jìn)相空間加權(quán)局域法的混沌時序預(yù)測，講解了兩種改進(jìn)型的混沌時序預(yù)測方法，但均沒有聯(lián)系實際問題[1，2]。論文基于混沌理論的話務(wù)量時間序列預(yù)測研究，研究了話務(wù)量時間序列依據(jù)混沌理論進(jìn)行預(yù)測的方法，但未對數(shù)據(jù)流量、深層次網(wǎng)管提取的波動數(shù)據(jù)進(jìn)行研究。

本文就基于數(shù)據(jù)波動的短期態(tài)勢方案進(jìn)行深入淺出的研究和分析，研究工作主要包括以下幾個方面：分析移動網(wǎng)絡(luò)網(wǎng)管歷史波動數(shù)據(jù)；闡述基于數(shù)據(jù)波動的短期態(tài)勢預(yù)測方案；研究短期態(tài)勢分析方案中的誤差及其補償方案。

2 移動網(wǎng)絡(luò)中網(wǎng)管歷史波動數(shù)據(jù)分析

網(wǎng)管統(tǒng)計和DPI分析是目前網(wǎng)絡(luò)可用的分析手段，DPI統(tǒng)計位于無線側(cè)與核心網(wǎng)的接口，可以統(tǒng)計詳細(xì)的業(yè)務(wù)量數(shù)據(jù)，但無法獲取對應(yīng)的無線側(cè)資源消耗。同時，完整保存DPI數(shù)據(jù)所需存儲空間較大。本文主要借助于廣泛使用的網(wǎng)管統(tǒng)計指標(biāo)，實現(xiàn)業(yè)務(wù)與網(wǎng)絡(luò)承載資源關(guān)系的計算與判定，便于技術(shù)應(yīng)用。下面對移動網(wǎng)絡(luò)中網(wǎng)管歷史波動數(shù)據(jù)進(jìn)行詳細(xì)的分析。

2.1 空間維度場景劃分

同種載波配置情況下不同場景的無線利用率和數(shù)據(jù)業(yè)務(wù)量有較大區(qū)別，所以頻譜態(tài)勢分析中應(yīng)分場景考慮無線資源使用。在應(yīng)用場景特征的基礎(chǔ)上，從空間上，精細(xì)化分析無線資源使用和需求的差異，如圖1中所示，將業(yè)務(wù)承載情況依照象限進(jìn)行劃分，尋找小區(qū)業(yè)務(wù)承載的特征。

從圖2中可以觀測到車站場景情況下的業(yè)務(wù)分布中語音話務(wù)量占據(jù)主要部分。而在商業(yè)區(qū)場景中，語音話務(wù)量及數(shù)據(jù)業(yè)務(wù)量均較高。對比可以看出，商業(yè)區(qū)場景相對于車站場景的用戶的業(yè)務(wù)量更大。

當(dāng)訓(xùn)練過大量數(shù)據(jù)后，針對每種場景情況，挖掘出一個場景補償參數(shù)Si，在短期預(yù)測后對結(jié)果進(jìn)行補償，進(jìn)而使得分場景的研究短期態(tài)勢預(yù)測方案更加準(zhǔn)確。目前DPI剛剛部署，未來考慮結(jié)合DPI數(shù)據(jù)分析，給出基于數(shù)據(jù)業(yè)務(wù)分類的精細(xì)化流量經(jīng)營和網(wǎng)絡(luò)分擔(dān)評估。

圖1 業(yè)務(wù)象限分析

2.2 時間維度數(shù)據(jù)波動

不同應(yīng)用場景，從圖3移動網(wǎng)絡(luò)中網(wǎng)管歷史波動數(shù)據(jù)中可以觀察到，從時間上精細(xì)化分析無線資源使用和需求的差異主要有兩種形式：（1）具有依照時間上的不同周期性重復(fù)規(guī)律，其中部分樣本點屬于平滑小幅度波動點，其余樣本點屬于周期性出現(xiàn)的波谷點；（2）由于突發(fā)因素導(dǎo)致的非周期性峰值，小區(qū)網(wǎng)管歷史波動數(shù)據(jù)平緩波動中突現(xiàn)BURST點；（3）網(wǎng)管歷史波動數(shù)據(jù)波動平緩，無明顯周期性和BURST點出現(xiàn)。

3 基于數(shù)據(jù)波動的短期態(tài)勢預(yù)測方案

綜合空間及時間維度，本文提出基于數(shù)據(jù)波動的短期態(tài)勢預(yù)測方案，該方案針對不同特征的歷史波動數(shù)據(jù)進(jìn)行不同的處理。

3.1 周期性波動數(shù)據(jù)處理方案

周期性波動數(shù)據(jù)的規(guī)律可建模為平滑小幅度波動樣本點集和波谷樣本點集，令樣本點屬于平滑小幅度波動點，A(i)＝{A1，A2， A3……An}；

樣本點屬于周期性出現(xiàn)的波谷點， B(i)＝{B1，B2，B3……Bn}。

分離兩種樣本點進(jìn)行分部預(yù)測，基于每個小區(qū)的網(wǎng)管歷史波動數(shù)據(jù)，尋找出具有周期性小區(qū)的周期性序列T(i)＝{T1，T2， T3……Tn}。計算得出A(i)和B(i)的數(shù)列差A(yù)｀(i)＝{A｀1， A｀2， A｀3……A｀n}和B｀(i)＝{B｀1，B｀2， B｀3……B｀n}。

其中，

A｀(i)＝Ai+1－Ai（1）

B｀(i)＝Bi+1－Bi（2）

基于混沌理論，預(yù)測點的演化行為可有其鄰近點的演化行為反應(yīng)出來，即在相空間中尋找預(yù)測點的最鄰近點，并將此最鄰近點在軌道的下一點作為預(yù)測值輸出，為了達(dá)到更好的預(yù)測精度，鄰近點可以選擇多個[1]。只要能夠?qū)崟r地擬合局部模型的系數(shù)，就能夠較精確的反映整個吸引子的演化特性。

圖2 空間上精細(xì)化分析無線資源使用和需求的差異

圖3 移動網(wǎng)絡(luò)中網(wǎng)管歷史波動數(shù)據(jù)

預(yù)測值可能的取值波動建模為多位相空間。在相空間中找到與參考點最相似的（m+1）個相點，并根據(jù)這（m+1） 個相點演化一步的規(guī)律進(jìn)行一步預(yù)測。

時間序列{x1， x2， x3…xn}中n為序列長度。根據(jù)Grassberger-Procaccia算法[2～4]可得出關(guān)聯(lián)維度d，選定嵌入維數(shù)m=2d+1，然后求取平均軌道周期t，根據(jù)t=(m-1)τ得出延遲時間τ[5，6]，然后重構(gòu)相空間：Yi=(xi，xi+τ，…，xi+(m-1)τ)，i=1，2，…， M， M是重構(gòu)相空間中相點的個數(shù)，M=N-(m-1)τ。設(shè)中心點YM的鄰近點為YMi，i=1，2，…q，令到Y(jié)M的間距為di，設(shè)dmin是di中的最小值，設(shè)定點Yki的權(quán)值為：

令參考向量集{YMi}， i=1， 2，…q，表示中心點YM的第k步演化后的相點集合。對{YMi}進(jìn)行一階局域線性擬合，

YMi+k=ake+bkYMi（4）

其中， i=1，2， …q，利用加權(quán)最小二乘法計算得，

以ak，bk為變量等式兩邊求偏導(dǎo)，

化簡，

簡寫為，

求解方程，

求得，

對于混沌時間序列，相空間中一對最近鄰隨時間演化遵循的是一種指數(shù)規(guī)律e-λt，當(dāng)嵌入維數(shù)m＞1，且需進(jìn)行k，其中k＞1步進(jìn)行預(yù)測時，可以類似應(yīng)用加權(quán)一階局域法一步預(yù)報模型，根據(jù)這(m+1)個相點演化出第k步的規(guī)律。根據(jù)求得的ak、 bk， 代入k步的預(yù)測公式Y(jié)M+k=ake+bkYM中，得出演化k步后相點的預(yù)測值YM+k。

YM+k=(xM+k， xM+k+τ， …， xM+k+(m-1)τ) （11）

其中，YM+k中的第m個元素xM+k+(m-1)τ即為原序列的k步的預(yù)測值N+k。計算出序列差后與前一點值相加即為預(yù)測點值。

3.2 突發(fā)BURST數(shù)據(jù)預(yù)測

對于無規(guī)律的突發(fā)數(shù)據(jù)點，需要結(jié)合設(shè)備和相應(yīng)日期的活動事件進(jìn)行統(tǒng)計分析。

如果是基站設(shè)備問題，則進(jìn)行設(shè)備維護(hù)及維修。

如果是特殊活動，記錄入特殊活動集C(i)={C1，C2， C3……Cn}，采用混沌時間序列預(yù)測法中的加權(quán)一階局域預(yù)測法，建立基于空間場景的時序分析?；诳臻g場景的時序分析分類示意如圖4所示。

圖4 基于空間場景的時序分析分類示意圖（學(xué)校）

對于小區(qū)網(wǎng)管歷史波動數(shù)據(jù)波動平緩無周期性或BURST點，采用混沌時間序列預(yù)測法中的加權(quán)一階局域預(yù)測法。

4 數(shù)據(jù)驗證和分析

4.1 最大可預(yù)報時間

基于中國移動某省公司某網(wǎng)絡(luò)底層網(wǎng)管數(shù)據(jù)，以采集得到的100個數(shù)據(jù)點，每增加50個點計算一次，得到的時間序列最大Lyapunov指數(shù)及其最大可預(yù)報時間，如表1所示。

表1 底層網(wǎng)管數(shù)據(jù)時間序列最大Lyapunov指數(shù)及其最大可預(yù)報時間

所求底層網(wǎng)管數(shù)據(jù)時間序列的最大Lyapunov指數(shù)均為正數(shù)，由此可確定此時間序列具有混沌特性。

4.2 數(shù)據(jù)驗證

基于中國移動某省公司某網(wǎng)絡(luò)底層網(wǎng)管數(shù)據(jù)時間序列進(jìn)行預(yù)測，得到的參數(shù)a，b的計算結(jié)果、預(yù)測值如表2所示。

表2 加權(quán)一階局域法參數(shù)計算值及預(yù)測結(jié)果

經(jīng)過對省公司底層網(wǎng)管數(shù)據(jù)的驗證和分析，表明加權(quán)一階局域預(yù)測法具備擬合速度快的特性，但需要實時地擬合系數(shù)a、b，受精度計算的影響，這在一定程度上影響了預(yù)測精度，將在后續(xù)研究中進(jìn)一步改進(jìn)。

4.3 誤差分析及補償方案

加權(quán)一階局域法預(yù)報模型是依據(jù)參考相點來預(yù)測下一個相點的數(shù)值，對于一步預(yù)測而言，所得到的預(yù)測相點中，前（m-1）個相點在實際上都是時間序列中的已知點，只有第m個相點才是所求的未知點，將前（m-1）個相點與已知時間序列中的相應(yīng)點進(jìn)行比較，

TN915

A

1008-5599（2015）03-0076-05

2014-07-31