移动通信业务预测方法研究

在分析常用业务预测方法特点的基础上,采用趋势外推法、回归预测法和单用户模型法对运营商的分组流量进行了预测,并采用加权的方法得到综合取定结果,然后,利用网络实际运营数据对预测结果的准确性进行了验证和研究。     

基于ARIMA模型的移动数据流量预测研究

移动数据流量预测对于运营商的业务发展和网络建设有重要的指导意义。本文介绍了ARIMA模型,并将其应用于移动数据流量的预测。实际结果表明ARIMA模型的预测精度比线性回归、局部拟合回归,神经网络模型都高,可作为移动数据流量的预测模型。     

流量倍增管控与经营成新焦点

"运营商已经拥有海量用户,这些和用户相关的大数据本身就是一座宝藏。"在智能终端激发各类新型应用的趋势下,2012年底以及2013年初,诸多企业纷纷对未来几年的流量暴涨趋势给出了分析和预测。爱立信根据移动数据总流量在2012年继续保持了每年翻番的事实,给出最新的一份报告称,受视频业务的推动,预计移动数据流量将以50%的复合年增长率增长,到2018年底,移动数据流量将达到2012年的12倍。而且,在流量经营逐渐成熟后,"有流量的运营商最终会战胜没流量的运营商"。     

NLSTM在时空特征预测中的应用

在实际生活中，存在许多需要对数据进行建模的场景。例如：对基站数据进行建模，能了解基站的负载以及用户的流量，让运营商能够及时调整该范围内的基站数量；对交通数据进行建模能够使管理部门更好地治理拥堵路段；对气象数据进行建模能够预测污染物的浓度。总而言之，对空间时序数据进行建模，抽取特征挖掘深层关系，并加以预测，能让决策者更地做出相应的判断。本文以气象数据为例，用NLSTM网络对清洗之后的空间时序数据进行建模，从而来预测污染物的浓度，而且网络可以轻松地拓展到其他空间时序数据预测场景中。     

流量经营支撑系统建设研究

随着智能终端的普及和数据业务的不断发展,目前运营商数据流量的收入已经逐步成为数据业务收入增长的主要驱动力,如何增加数据流量收入是运营商重点关注的问题。建设流量经营支撑系统可以有效把握用户的行为特征,为流量的精细化运营提供数据支撑,进而提高用户感知,提高运营商流量经营的能力。本文针对运营商在流量经营中存在的问题进行分析,并对建设流量经营支撑系统相关技术问题进行了研究。     

基于前后端联动的移动数据流量预测模型构建研究

随着移动互联网的迅速发展,移动数据流量呈现出井喷式的增长。虽然数据流量给运营商带来了新的收入增长点,但同时也带来巨大的网络压力。特别是中国移动公司的大部分数据流量仍承载在GSM网络上,严重影响到话音业务的质量,因此如何引导流量更多地承载在TD网络上是中国移动急需解决的问题之一。本文以智能手机为切入点,建立基于前后端联动的移动数据流量预测模型,可对GSM网和TD网承载的流量进行准确预测。同时可根据分流目标反推前端市场发展策略,形成前后端联动预测体系。     

基于灰色Elman-NN模型的乡村旅游游客流量预测方法

影响乡村旅游游客流量因素较多，导致乡村旅游游客流量预测误差较大，并且效率较低，设计一种基于灰色Elman-NN模型的乡村旅游游客流量预测方法。将所有数据按照一定的顺序排列，选取预测因子，对旅游数据关联度计算，采用灰色Elman-NN模型实现了乡村旅游游客流量预测。实验结果表明，所研究的基于灰色Elman-NN模型的乡村旅游游客流量预测方法在节假日前与节假日时的客流量预测上误差都较低，并且预测效率较高，满足乡村旅游游客流量预测方法的设计需求。     

基于突发分离的自相似网络流量预测

网络流量预测在网络拥塞控制及资源分配中起着至关重要的作用。对于具有自相似性的网络业务流量,由于其存在较强突发,传统预测方法的预测精度普遍较低。本文针对存在高突发的网络流量数据,提出了一种基于数据分离的流量预测方法。在预测步骤前,本方法首先通过控制图将网络流量中难以预测的突发流量进行有效的分离,从而得到突发流量和非突发流量两部分数据。之后分别采用人工神经网络和自适应模板匹配方法实现对非突发流量和突发流量的预测。最后通过对两部分预测结果的合并得到最终的预测结果。基于实际流量数据的实验结果表明:相较于传统流量预测方法,本文所提出的方法具有更高的流量预测精度。      

互联网流量优化系统关键技术及应用分析

互联网用户及业务规模的快速发展带动数据流量迅猛增长,运营商网络建设和运营面临具大压力和挑战,流量优化系统已成为运营商实现数据流量智能疏导和分发的技术手段。文章介绍运营商流量优化系统建设现状,对流量优化系统的关键技术进行对比分析,阐述流量优化系统的适用场景及技术实现方案,提出运营商流量优化系统的发展思路和部署建议。     

基于MapReduce的PCA异常流量检测系统实现

PCA是一种在高维空间中检测网络异常流量的有效方法,它可以从全局角度对网络流量数据进行分析,检测网络中隐藏的异常。在面对运营商全网流量数据时,如何快速从海量的Netflow流量数据中生成统计矩阵供PCA检测分析,是PCA异常流量检测方法面临的最大困难之一。MapReduce是随着云计算兴起的一项分布式计算方法,它充分利用计算机集群的处理能力,能有效应对海量数据分析任务。本文提出了一种有效的机制,将MapReduce分布式计算方法应用在PCA异常流量检测中。结果表明,MapReduce方法极大地提高了PCA异常流量检测方法的处理性能,使得PCA异常流量检测能有效处理运营商全网数据。     

打造下一代城域网 提升每比特效益

1管道也能直接产生收益 在传统的运营商模式中，电信运营商的城域网一直扮演着“管道”的角色，为业务流量提供尽可能可靠的透明通路。这些流量包括以视频为主的用户流量、企业应用和数据流量，也包括其他运营商的业务流量。随着互联网模式对传统通信和信息提供模式的影响逐步扩大，运营商的角色、在产业链中的话语权正面临前所未有的挑战。     

基于小波变换通信数据信号的分析与研究

应用小波变换对通信流量数据进行分析,首先对数据序列进行小波分解,将其分解为高频部分和低频部分。对低频部分利用相空间重构法进行混沌时间序列处理,得出其最大Lyapunov指数,验证通信流量的混沌性。利用相空间重构过程中得到的参数对各部分进行预测,最后将全部预测结果小波重构,得到原始序列的预测结果。实测数据预测结果表明,本文建立的通信流量数据预测模型效果良好。     

移动互联网下运营商数据运营策略的转型分析

面对移动互联网时代移动流量的爆炸式增长,指出了电信运营商数据运营策略转型应对的重要性。首先分析了传统运营商面临的挑战与本身流量数据经营中存在的问题,然后提出了电信运营商数据运营策略的转型应对方案,指出运营商需优化网络,构建大数据挖掘为背景的精细化流量经营。     

C-RAN无线网络中业务预测的马尔科夫模型

C-RAN架构无线网络由于采用的是云处理模式,从而具有了云处理模式。已有的业务预测方法应用到C-RAN网络中,会存在不能充分利用共享的信息资源从而影响预测效果的问题。针对这个问题,在证明C-RAN架构无线网络中由不同小区业务流量构成的向量随时间变化的过程是一个马尔科夫过程的基础上,提出利用历史数据构建预测矩阵,通过预测矩阵与当前业务流量数据进行预测,并且设计出预测矩阵的构建方法,以及当有新流量数据到来时对预测矩阵的修正方法,从而适应了对网络状态非平稳情况下的预测。仿真结果表明该方法在预测精度上比传统的外延法、回归分析法有所提高。     

基于机器学习的无线网络流量预测与增长潜力评估

提出一个基于机器学习的无线网络流量预测及流量增长潜力评估方案。该方案分析蜂窝网络中的实际业务流量数据在时间维度上的变化规律,并借助高斯过程的机器学习方法来预测业务变化趋势,从短期角度为运营商的网络优化部署提供指导。基于极限梯度提升(XGBoost)机器学习框架,建立网络中其他运营数据与业务流量的多维映射关系,应用改进的量子粒子群算法进一步寻找蜂窝小区所能承载的流量上限,从长期角度为网络优化部署提供指导,提升网络流量水平、释放流量增长潜力。     

基于深度数据包检测(DPI)及R平方值的数据承载网规划方法的研究

流量模型法通过深度数据包检测技术精准提取特定时间段内各种互联网用户的流量模型参数,根据市场发展目标,计算流量预测值;曲线拟合法通过对特定时间段内的流量数据作曲线拟合,选取R平方值接近1的函数对未来做预测。对两种方法得到的结果进行加权处理,得到相对准确的预测值,是数据城域网规划的目标。     

基于SARIMA-LSTM组合模型的网络流量预测方法

针对网络流量预测问题，提出一种基于SARIMA和LSTM组合模型的网络流量预测方法。首先，利用S-HESD算法对异常流量数据进行检测，并通过滑动窗口均值进行数据平滑处理；然后，利用基于统计学习的SARIMA模型预测流量数据，并将其作为LSTM神经网络的输入，最终输出流量预测值。实验结果表明，SARIMA-LSTM组合模型能充分呈现骨干网、城域网、边缘接入网等不同层级网络的周期性和趋势性等特点，优于SARIMA、LSTM等单一模型。     

从流量经营到大数据经营

把"流量"的客观属性归纳为规模性、层次性、异质性和不可分性,揭示了流量巨大的潜在价值。基于电信运营商现有流量经营模式的分析,发现"面向手段性需求"、"无直接网络效应"和"边际成本下降有限"3大缺陷是流量经营价值困境的根源。在辨别"大数据"与"流量"内在联系的基础上,提出大数据经营模式并进行基于类比、场景勾画和理论分析的相关阐述,包括电信运营商和OTT在内的大数据经营者们,将经历消费平台、垂直平台和公共平台3个演化阶段,最终成为大数据公共平台运营商。最后,对电信运营商向大数据经营转型提出一些建议。     

连接网络和用户的彩虹桥

随着移动宽带的发展,移动数据流量增长迅速。据业内预测,从2012年到2017年,全球移动数据流量的年均复合增长率将高达66％。而与此同时,运营商作为数据带宽提供者,其收入的年均复合增长率仅为11％。     

数据等效话务和数据流量关系关键问题研究

在电信运营商近年来数据业务分析的基础上,针对电信运营商数据小包业务快速增长的趋势,找出数据等效话务和数据流量的关系。以某地级市运营商数据业务的运营数据为实验测试数据,经过数学分析与比对,找出等效话务量增长高于数据流量的主要原因,提出相应的改进方法和应对策略,为电信运营商下一步优化数据业务提供参考方案。