基于ARIMA模型的電信擴(kuò)容指標(biāo)預(yù)測(cè)研究

姜?jiǎng)η?/p>

摘 要 本文針對(duì)電信網(wǎng)絡(luò)負(fù)載均衡指標(biāo)擴(kuò)容的問(wèn)題，在相關(guān)數(shù)據(jù)量有限的情況下，對(duì)其進(jìn)行數(shù)據(jù)的描述性統(tǒng)計(jì)分析，利用傳統(tǒng)的ARIMA模型對(duì)負(fù)載均衡指標(biāo)HLR和VLR進(jìn)行了時(shí)間序列預(yù)測(cè)模型的構(gòu)建，精準(zhǔn)預(yù)測(cè)HLR和VLR指標(biāo)在天級(jí)以及小時(shí)級(jí)以及節(jié)假日上的變化趨勢(shì)，幫助通信公司提前擴(kuò)容以應(yīng)對(duì)網(wǎng)絡(luò)壓力，豐富了ARIMA模型在實(shí)踐應(yīng)用上的場(chǎng)景。

關(guān)鍵詞 ARIMA模型;電信數(shù)據(jù);負(fù)載均衡;指標(biāo)預(yù)測(cè)

1預(yù)測(cè)指標(biāo)簡(jiǎn)介

本次分析數(shù)據(jù)一共選取了2016年1月至今以及2016年五一前后共10天的兩期數(shù)據(jù)，HLR和VLR兩個(gè)關(guān)鍵性指標(biāo)。

1.1 指標(biāo)概述

HLR（home location register）保存的是用戶的基本信息，如你的SIM的卡號(hào)、手機(jī)號(hào)碼、簽約信息等，和動(dòng)態(tài)信息，如當(dāng)前的位置、是否已經(jīng)關(guān)機(jī)等;

VLR（visiting location register）保存的是用戶的動(dòng)態(tài)信息和狀態(tài)信息，以及從HLR下載的用戶的簽約信息。

2基于月度與日度的指標(biāo)時(shí)序分析

2.1 基于HLR/VLR日維度數(shù)據(jù)

（1）基于日維度數(shù)據(jù)數(shù)介紹

Hlr：共429條記錄，沒(méi)有缺失值，3個(gè)維度變量，分別是賬期，取值范圍20160101-20170301，HLR利用率（HLR生成用戶數(shù)/HLR容量），取值范圍0.694-0.335（0-1），HLR生成用戶數(shù)（HLR生成用戶數(shù)/HLR容量），取值范圍178-368（萬(wàn)戶）。

Vlr：共429條記錄，少量缺失，3個(gè)維度變量，分別是賬期，取值范圍20160101-20170301，VLR利用率（VLR登記用戶數(shù)/VLR容量），取值范圍0.211-0.928（0-1），VLR登記用戶數(shù)（VLR登記用戶數(shù)/VLR容量），取值范圍66-291。

（2）異常點(diǎn)檢測(cè)與分析

通過(guò)作箱線圖，從箱線圖可以看出有不少異常點(diǎn)，其中HLR離群點(diǎn)約73個(gè)，對(duì)此本文看一下這些點(diǎn)對(duì)應(yīng)的日期：2016年2月18個(gè)、3月28個(gè)、4月17個(gè)、6月1個(gè)、7月1個(gè)、10月3個(gè)、11月1個(gè);2017年1月4個(gè)。所以可以得出初步結(jié)論是從2月到4月中旬指標(biāo)連續(xù)都處于一個(gè)很低的水平，可能跟吉林這段時(shí)間的電信政策有關(guān)系。

（3）基于月度的時(shí)序圖分

從HLR看出隨著月份的增加，HLR有一個(gè)緩慢的增加趨勢(shì)，但是異常值影響明顯（異常值都是下偏數(shù)據(jù)），可以著重分析一下異常數(shù)據(jù)的原因，因?yàn)榱窟€不少，為73/426（17%）左右。從VLR可以看出隨著月份的增加，VLR利用率小幅度穩(wěn)定增長(zhǎng)，可以根據(jù)這個(gè)趨勢(shì)來(lái)設(shè)立閥值，如果是節(jié)假日可以關(guān)注那些遠(yuǎn)高于正常值的異常值，并在異常值長(zhǎng)做好容災(zāi)，設(shè)立擴(kuò)容指標(biāo)（預(yù)警值）。

2.2基于HLR/VLR小時(shí)維度數(shù)據(jù)

（1）基于小時(shí)維度數(shù)據(jù)數(shù)介紹

HLR：數(shù)據(jù)共335條，4個(gè)維度變量，其中賬期、HLR利用率、hlr生成用戶數(shù)與前文相同，無(wú)缺失值，新增小時(shí)變量，取值0-23.

VLR：數(shù)據(jù)共335條，4個(gè)維度變量，其中賬期、HLR利用率、HLR生成用戶數(shù)與前文相同，無(wú)缺失值，新增小時(shí)變量，取值0-23.

（2）異常點(diǎn)檢測(cè)與分析

通過(guò)分別繪制HLR＼VLR的箱線圖可以得出HLR利用率上有2個(gè)異常點(diǎn)，VLR利用率上有1個(gè)異常點(diǎn)，可以查看一下異常點(diǎn)的原因，因?yàn)槭窍缕詫?duì)于擴(kuò)容來(lái)說(shuō)意義不大。

（3）基于日度的時(shí)序圖分析

從上圖可以看出HLR整體穩(wěn)定，有異常值，而且異常值呈現(xiàn)某種規(guī)律，可以留意，下偏，對(duì)擴(kuò)容沒(méi)意義。VLR周期性波動(dòng)趨勢(shì)明顯，4點(diǎn)到10點(diǎn)呈現(xiàn)穩(wěn)步上漲趨勢(shì)，10點(diǎn)到7點(diǎn)穩(wěn)定，7點(diǎn)以后急劇下跌，且五一前后呈現(xiàn)出一種節(jié)前節(jié)后的利用率高于節(jié)日期間的現(xiàn)象[1-5]。

3基于節(jié)假日的指標(biāo)時(shí)序分析

3.1 基于2015年“五一”數(shù)據(jù)的時(shí)序圖分析

（1）異常值檢驗(yàn)與分析

通過(guò)繪制箱線圖可以得出從年份來(lái)說(shuō)，HLR和VLR的利用率整體都在穩(wěn)健上漲，VLR漲幅遠(yuǎn)大于HLR，但是2016年較2015年異常數(shù)據(jù)過(guò)于異常，沒(méi)有15年穩(wěn)定。

（2）基于五一節(jié)假日的時(shí)序圖分析

通過(guò)繪制時(shí)序折線圖，可以看出規(guī)律相同，HLR每天的利用規(guī)律都是0點(diǎn)到1間有個(gè)穩(wěn)定的增長(zhǎng)，達(dá)到峰值后開(kāi)始保持平穩(wěn)，直到第二天0點(diǎn)斷崖式下降，再重新在第二天的0點(diǎn)到1點(diǎn)間穩(wěn)增長(zhǎng)。節(jié)假日期間HLR呈現(xiàn)穩(wěn)定增加，或者先增加再減少的趨勢(shì)。而VLR則每天都是在凌晨的3點(diǎn)多達(dá)到最低值，在5點(diǎn)以后穩(wěn)定增長(zhǎng)，在10點(diǎn)以后達(dá)到峰值，并保持穩(wěn)定到6點(diǎn)多下班時(shí)間，之后穩(wěn)定下降，呈現(xiàn)一種穩(wěn)定周期的特性，而在節(jié)假日期間呈現(xiàn)節(jié)假日前中期波動(dòng)，甚至節(jié)假期期間下降，節(jié)后上升的情況，這有點(diǎn)符合人們節(jié)假日后進(jìn)入工作，交流變多的一種生活常態(tài)。

3.2 基于2015-2017“春節(jié)”數(shù)據(jù)的時(shí)序圖分析

（1）異常點(diǎn)檢測(cè)與分析

通過(guò)分別繪制2015、2016、2017指標(biāo)箱線圖可以看出：

1）2015年至2016年HLR利用率上漲很多，但是從2016年到2017年，其實(shí)HLR利用率并沒(méi)有沿著之前的趨勢(shì)上漲，反而下降了。

2）不同于HLR，VLR指標(biāo)從2015年到現(xiàn)在呈現(xiàn)出了一個(gè)穩(wěn)定增長(zhǎng)的情況，且區(qū)間穩(wěn)定，沒(méi)有過(guò)于異常的異常值。

（2）基于春節(jié)假日的時(shí)序圖分析

通過(guò)分別繪制HLR2015、2016、2017的時(shí)序圖可以看出2015年春節(jié)期間，HLR呈現(xiàn)節(jié)前節(jié)后穩(wěn)定增長(zhǎng)的態(tài)勢(shì)，2015到2016年HLR穩(wěn)定增長(zhǎng)，2016年春節(jié)期間節(jié)前穩(wěn)定，節(jié)后下降的趨勢(shì)，且2016年到2017年，HLR利用率不增反而小幅度減少。

通過(guò)分別繪制VLR2015、2016、2017的時(shí)序圖可以看出相對(duì)于HLR指標(biāo)，VLR指標(biāo)呈現(xiàn)，節(jié)假日前高，節(jié)假日期間下降，節(jié)假日后波動(dòng)，或者小幅度回升的趨勢(shì)，從2015年到2017年，整體的VLR指標(biāo)利用率穩(wěn)增長(zhǎng)，并且已將近6個(gè)點(diǎn)的速度增長(zhǎng)，且波動(dòng)區(qū)間也在6個(gè)點(diǎn)左右。

3.3 探索性分析結(jié)論

通過(guò)選取了2016年到2017年16個(gè)月每天上午10點(diǎn)的數(shù)據(jù)，以及2015、2016年五一節(jié)假日期間，以及2015年到2017年節(jié)假日期間的數(shù)據(jù)，通過(guò)一些描述性分析，我們可以得出一些整體的情況：HLR指標(biāo)在2015年到2016年是穩(wěn)定增長(zhǎng)的，但在2017年則小幅度下降，并且，2016、2017年的異常數(shù)據(jù)過(guò)于異常（可能數(shù)據(jù)質(zhì)量差，或者業(yè)務(wù)出現(xiàn)了問(wèn)題造成了波動(dòng)），尤其是2016年的2月到5月期間，對(duì)于每天的HLR指標(biāo)進(jìn)行分析，發(fā)現(xiàn)除了從凌晨0點(diǎn)到1點(diǎn)期間有個(gè)斷崖式的增長(zhǎng)，其他時(shí)間整體穩(wěn)定，而在節(jié)假日期間也無(wú)明顯穩(wěn)定規(guī)律，整體是波動(dòng)的態(tài)勢(shì)，這應(yīng)該跟節(jié)假日期間的政策有關(guān)，因此HLR指標(biāo)對(duì)擴(kuò)容的相和性不是很好，可以不做考慮。

VLR指標(biāo)隨著月份年份的增加，是穩(wěn)定的一個(gè)增長(zhǎng)趨勢(shì)，且節(jié)假日期間呈現(xiàn)，節(jié)前節(jié)后高，節(jié)假日期間反而低的常態(tài)，但是基于其穩(wěn)定的增長(zhǎng)率，以及穩(wěn)定的日規(guī)律性，可以用來(lái)作為擴(kuò)容的一個(gè)指標(biāo)預(yù)測(cè)，預(yù)警。

4基于AIRIMA模型的時(shí)間序列預(yù)測(cè)模型研究

基于以往的VLR數(shù)據(jù)，商榷一個(gè)VLR預(yù)測(cè)值為（月，日，小時(shí)）（根據(jù)業(yè)務(wù)需求），然后依據(jù)影響的因素（時(shí)序等），以及影響的系數(shù)（年，月，日），其中時(shí)間精度越大，準(zhǔn)確率越大。以此構(gòu)建一個(gè)預(yù)測(cè)模型，并設(shè)立一個(gè)閾值，來(lái)鑒別是否擴(kuò)容[6-10]。

4.1 預(yù)測(cè)指標(biāo)數(shù)據(jù)來(lái)源介紹

HLR：2016.01.01-2017.03.06每天10點(diǎn)數(shù)據(jù)和2016.04.25-2016.05.08每天24小時(shí)數(shù)據(jù)。

VLR：2016.01.01-2017.03.06每天10點(diǎn)數(shù)據(jù)和2016.04.25-2016.05.08每天24小時(shí)數(shù)據(jù)。

ARIMA模型的構(gòu)建順序通常是：①先劃出時(shí)序圖;②做自相關(guān)和偏自相關(guān)分析以確定是否需要做差分和階數(shù);③最后做白噪聲檢驗(yàn)。

（1）基于ARIMA的HLR日維度時(shí)間序列模型

5總結(jié)與展望

基于節(jié)假日的指標(biāo)預(yù)測(cè)，維度單一，簡(jiǎn)單但卻復(fù)雜，本文主要采用的是ARIMA模型進(jìn)行的擬合預(yù)測(cè)，在沒(méi)有明確精度要求的情況或者對(duì)比下，結(jié)果良好，后續(xù)可以考慮加法組合模型來(lái)對(duì)ARIMA進(jìn)行殘差優(yōu)化，提高精確度，由于數(shù)據(jù)的局限性，本案例并不繼續(xù)深入研究探討，文章按照了數(shù)據(jù)分析的一般流程進(jìn)行的分析，后續(xù)一些描述性分析的代碼會(huì)放入附錄里面，希望本案例對(duì)其他學(xué)者以后的分析有參考和借鑒意義。

參考文獻(xiàn)

[1] 劉芹，鄒波，朱平華，等.基于時(shí)間序列自回歸移動(dòng)平均模型的湖北省衛(wèi)生技術(shù)人員需求預(yù)測(cè)[J].醫(yī)學(xué)與社會(huì)，2020，（2）：266-269.

[2] 周亮.機(jī)器學(xué)習(xí)融合ARIMA模型的離岸人民幣匯率預(yù)測(cè)[J].統(tǒng)計(jì)學(xué)報(bào)，2020，（2）：48-56.

[3] 楊雨芳，趙慧峰.基于ARIMA模型的河北省肉牛生產(chǎn)波動(dòng)分析與預(yù)測(cè)[J].黑龍江畜牧獸醫(yī)，2020，（6）：16-19.

[4] 劉忠廣，劉德欣.河南省城鎮(zhèn)居民人均消費(fèi)支出預(yù)測(cè)[J].北方經(jīng)貿(mào)，2020，（3）：31-33.

[5] 耿獻(xiàn)輝，安寧.基于ARIMA模型的梨果價(jià)格波動(dòng)及市場(chǎng)行情預(yù)測(cè)[J].北方果樹(shù)，2020，（2）：1-4.

[6] 陶艷麗.基于ARIMA模型的河北省居民消費(fèi)價(jià)格指數(shù)實(shí)證分析[J].河北企業(yè)，2020，（3）：66-67.

[7] 吳榮火，歐詩(shī)德，農(nóng)品玉.基于乘積季節(jié)模型的我國(guó)流通中現(xiàn)金預(yù)測(cè)[J].中國(guó)市場(chǎng)，2020，（7）：43-46.

[8] 高嵐嵐，張雪莉，段占祺，等.基于ARIMA模型對(duì)四川省醫(yī)療機(jī)構(gòu)衛(wèi)生資源需求預(yù)測(cè)分析[J].預(yù)防醫(yī)學(xué)情報(bào)雜志，2020，（2）：197-202.

[9] 李媛，鄭安剛，譚煌，等.基于時(shí)間序列的電能表月故障數(shù)預(yù)測(cè)方法[J].中國(guó)電力，2020，（2）：51.

[10] 周友維，姚建剛，王欣，等.基于時(shí)間序列模型的劣化絕緣子紅外熱像檢測(cè)方法[J].電瓷避雷器，2020，（1）：149-155.