论文部分内容阅读
随着城市化进程的进一步深化和3G、4G等数据通讯服务的进一步扩展，手机用户群对数据服务不断增长的需求和电信基站的服务性能之间的矛盾日益突出。如何准确地预测各个基站的话务量并且以最优的方案对基站性能进行扩展成为了电信网络优化部门日益关注的问题。面对各个小区的基站话务指标数据量大、动态变化和特征分布复杂的特点，本文提取了差分、高斯和时间序列趋势直方图等特征，在这些特征的基础上，通过近邻分组和聚类分组两种方法计算不同时间话务量的Ratio值——同一小区不同时期话务量比值，从而预测话务量时间序列。实验采用了南京市三个月的DO话务数据，结果表明，采用高斯特征和K-means的分组聚类算法的Ratio计算方法取得了比其他方法更好的预测性能。