網絡負荷預測方法、裝置、電子設備及存儲介質與流程

本發明涉及計算機，尤其涉及一種網絡負荷預測方法、裝置、電子設備及存儲介質。

背景技術：

1、對基站進行負荷指標的時序預測可以對網絡資源利用提供切實可行性方案，目前，相關技術對于負荷指標的預測大多聚焦單一基站的單一指標(如流量、吞吐量等)，沒有考慮到無線基站所處的復雜網絡環境，導致時序預測的準確度不高。

技術實現思路

1、有鑒于此，本發明實施例提供了一種網絡負荷預測方法、裝置、電子設備及存儲介質，能夠降低報文亂序概率。

2、本發明實施例的技術方案是這樣實現的：

3、一方面，本發明實施例提供了一種網絡負荷預測方法，該方法包括：

4、確定第一預設區域內的多個基站的拓撲信息、每個基站的時序的現網信息和非時序的現網信息；所述時序的現網信息表征由基站的多個時間點的負荷指標值組成的第一時間序列數據；所述非時序的現網信息表征基站的工參數據；

5、將所述多個基站的拓撲信息、每個基站的時序的現網信息和非時序的現網信息，作為預測模型的輸入，得到所述預測模型輸出的所述第一預設區域內的每個基站的第二時間序列數據，所述第二時間序列數據包括對應的基站在預設時間窗口內的多個時間點的負荷指標的預測值；所述預測模型表征為基于圖卷積的門控循環單元。

6、在上述方案中，所述確定第一預設區域內的多個基站的拓撲信息，包括：

7、以所述第一預設區域內的多個基站為節點，以基站之間的位置關系為加權鄰接矩陣，構建所述第一預設區域內的多個基站的帶權無向圖；

8、將所述帶權無向圖中的邊集和加權鄰接矩陣，確定為所述拓撲信息。

9、在上述方案中，所述將所述拓撲信息、所述多個基站的時序的現網信息和非時序的現網信息，作為預測模型的輸入，得到所述預測模型輸出的所述第一預設區域內的每個基站的第二時間序列數據，包括：

10、基于所述預測模型從多個基站的拓撲信息、每個基站的時序的現網信息和非時序的現網信息中提取每個基站的負荷指標的時空變化特征，并基于所述時空變化特征進行所述第二時間序列數據的預測。

11、另一方面，本發明實施例提供了一種模型訓練方法，該方法包括：

12、確定訓練數據集；所述訓練數據集中的訓練數據包括第二預設區域內的多個基站之間的拓撲信息、所述多個基站的時序的現網信息和非時序的現網信息，所述訓練數據的標簽為每個基站在預測時間窗口內的多個時間點的負荷指標的真實值；

13、基于所述訓練數據集訓練所述預測模型。

14、在上述方案中，所述基于所述訓練數據集訓練所述預測模型之前，所述方法還包括：

15、將預設門控循環單元中的矩陣乘，替換成圖卷積操作，得到所述基于圖卷積的門控循環單元；

16、基于所述基于圖卷積的門控循環單元構建所述預測模型。

17、在上述方案中，所述負荷指標包括物理資源塊prb利用率，所述基于所述訓練數據集訓練所述預測模型，包括：

18、在所述預測模型每一輪迭代訓練時，基于預設的代理模型確定不同的通信協議參數的取值下不同基站的prb利用率的協方差；

19、將不同基站的prb利用率的協方差趨于穩定時的各個基站的prb利用率，替換所述預測模型在當前輪次訓練時輸出的各個基站的prb利用率的預測值，以計算所述預測模型的損失函數的值。

20、本申請實施例還提供一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序在被處理器執行時，實現上述網絡負荷預測方法的步驟。

21、本申請實施例還提供一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序在被處理器執行時，實現上述模型訓練方法的步驟。

22、另一方面，本發明實施例提供了一種電子設備，包括處理器和存儲器，所述處理器和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行本發明實施例提供的網絡負荷預測方法或模型訓練方法的步驟。

23、另一方面，本發明實施例提供了一種計算機可讀存儲介質，包括：所述計算機可讀存儲介質存儲有計算機程序。所述計算機程序被處理器執行時實現如本發明實施例提供的網絡負荷預測方法或模型訓練非法的步驟。

24、本申請實施例通過確定第一預設區域內的多個基站之間的拓撲信息、多個基站的時序的現網信息和非時序的現網信息，其中，時序的現網信息表征由基站的多個時間點的負荷指標值組成的第一時間序列數據，非時序的現網信息表征基站的工參數據。將拓撲信息、多個基站的時序的現網信息和非時序的現網信息，作為預測模型的輸入，得到預測模型輸出的第一預設區域內的每個基站的第二時間序列數據，第二時間序列數據包括對應的基站在指定時間窗口內的多個時間點的負荷指標的預測值，預測模型表征為基于圖卷積的門控循環單元。本申請實施例使用基于圖卷積的門控循環單元對基站進行負荷指標的時序預測，該網絡結構既融合了圖卷積神經網絡提取空間特征的能力，同時利用循環神經網絡的架構完成長時間序列上的預測，循環神經網絡是時序預測的基礎，圖卷積層的引入則利用空間上的特征相關性進一步提高了預測的精度。本申請實施例從時間序列和空間特征兩方面綜合建模解決了傳統負荷節點預測不準確的問題，實現復雜網絡組網下負荷故障識別和預警。

技術特征：

1.一種網絡負荷預測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述確定第一預設區域內的多個基站的拓撲信息，包括：

3.根據權利要求1所述的方法，其特征在于，所述將所述拓撲信息、所述多個基站的時序的現網信息和非時序的現網信息，作為預測模型的輸入，得到所述預測模型輸出的所述第一預設區域內的每個基站的第二時間序列數據，包括：

4.一種模型訓練方法，用于訓練如權利要求1至3任一項所述的預測模型，其特征在于，所述方法包括：

5.根據權利要求4所述的方法，其特征在于，所述基于所述訓練數據集訓練所述預測模型之前，所述方法還包括：

6.根據權利要求4所述的方法，其特征在于，所述負荷指標包括物理資源塊prb利用率，所述基于所述訓練數據集訓練所述預測模型，包括：

7.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序在被處理器執行時，實現權利要求1至3任一項所述的方法的步驟。

8.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序在被處理器執行時，實現權利要求4至6任一項所述的方法的步驟。

9.一種電子設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至3所述的網絡負荷預測方法或實現如權利要求4至6所述的模型訓練方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1至3所述的網絡負荷預測方法或執行如權利要求4至6所述的模型訓練方法。

技術總結
本發明公開了一種網絡負荷預測方法、裝置、電子設備及存儲介質。該網絡負荷預測方法包括：確定第一預設區域內的多個基站之間的拓撲信息、多個基站的時序的現網信息和非時序的現網信息；時序的現網信息表征由基站的多個時間點的負荷指標值組成的第一時間序列數據；非時序的現網信息表征基站的工參數據；將拓撲信息、多個基站的時序的現網信息和非時序的現網信息，作為預測模型的輸入，得到預測模型輸出的第一預設區域內的每個基站的第二時間序列數據，第二時間序列數據包括對應的基站在指定時間窗口內的多個時間點的負荷指標的預測值；預測模型表征為基于圖卷積的門控循環單元。

技術研發人員：趙宇翔,高虹橋,余立,朱琳,袁向陽,劉聰
受保護的技術使用者：中國移動通信有限公司研究院
技術研發日：
技術公布日：2024/10/21