电信业务量预测方法和装置

摘要

本发明提供了一种电信业务量预测方法和装置，所述方法包括：确定所述电信业务量的预测粒度；选取历史样本和预测样本；利用一元线性回归预测模型，分别计算历史样本以及预测样本的业务量增长率和业务量初始值；计算所述历史样本的预测业务量和预测样本的预测业务量；读取历史样本的实际业务量；根据所述第一预测业务量与实际业务量的偏差，对所述第二预测业务量进行调整，获得调整后的预测业务量。通过分析历史样本中线性预测值与实际值的偏差，获得用户行为模式，并据此对未来电信业务量数据的线性预测值进行调整，获得更为准确的电信网络业务量，从而为用户进行更为准确的网络规划和组织管理提供决策支持。

权利要求

1.一种电信业务量预测方法，其特征在于，所述方法由计算机执行，所述方法包括：确定所述电信业务量的预测粒度；其中，所述预测粒度包括时间粒度以及产生所述电信业务量的电信网络的区域和/或网元设备；

选取所述电信业务量的历史样本和预测样本；

利用一元线性回归预测模型，依据所述历史样本计算第一业务量增长率和第一业务量初始值；依据所述预测样本计算第二业务量增长率和第二业务量初始值；以及，计算所述历史样本所对应预测时间的第一预测业务量和预测样本所对应预测时间的第二预测业务量；

读取历史样本所对应预测时间的实际业务量；

根据所述第一预测业务量与历史样本所对应预测时间的实际业务量的偏差，对所述第二预测业务量进行调整，获得调整后在预测时间的预测业务量；

其中，所述读取历史样本所对应预测时间的实际业务量步骤可在最后一个步骤之前的任何一个步骤执行；

根据所述第一预测业务量与历史样本所对应预测时间的实际业务量的偏差，对所述第二预测业务量进行调整，获得调整后在预测时间的预测业务量的方法具体为：历史样本所对应预测时间的实际业务量与第一预测业务量之差，乘以第二业务量增长率与第一业务量增长率之比，加上第二预测业务量，获得调整后的在预测时间的预测业务量。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：依据所述调整后的预测业务量生成业务量预警报告。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：将所述业务量预警报告显示在所述计算机上，或打印输出。

4.如权利要求1～3之一所述的方法，其特征在于：

所述预测粒度由用户选择确定；或

在执行所述方法的计算机系统中预设有特定规则，在满足预设规则中的条件时自动执行上述电信业务量预测流程。

5.如权利要求1所述的方法，其特征在于，所述一元线性回归预测模型具体为：业务增长率

业务初始值

预测业务量 Yt＝ b＋k t

其中，n表示样本数量，yi表示第i个样本的业务量，ti表示第i个样本的时间序数，k表示业务量增长率，b表示业务量初始值，Yt表示时间序数为t时的预测业务量；

所述第一业务量增长率、第二业务量增长率、第一业务量初始值、第二业务量初始值、第一预测业务量和第二预测业务量可分别采用上述公式计算获得。

6.如权利要求1所述的方法，其特征在于：

所述电信网络为移动通信网络，所述网元设备包括移动交换中心、移动交换中心服务器、基站管理器、无线网络控制器、短信中心或彩信中心；

和/或

产生所述电信业务量的电信业务为话音业务、短信业务、彩信业务或互联网业务；所述电信业务量为话务量、短信数量、彩信数量、互联网数据流量或互联网在线时间。

7.一种电信业务量预测装置，其特征在于，所述装置包括预测粒度确定单元、样本选取单元、业务量预测单元、业务量调整单元，其中：所述预测粒度确定单元用于确定所述电信业务量的预测粒度，所述预测粒度包括时间粒度以及产生所述电信业务量的电信网络的区域和/或网元设备；

所述样本选取单元用于依据所述预测粒度确定单元输出的电信业务量预测粒度，选取所述电信业务量的历史样本和预测样本；以及，获取历史样本所对应预测时间的实际业务量；

所述业务量预测单元用于根据一元线性回归预测模型，基于所述样本选取单元输出的历史样本和预测样本，分别计算所述历史样本的第一业务量增长率和第一业务量初始值，以及所述预测样本的第二业务量增长率和第二业务量初始值；以及，计算所述历史样本所对应预测时间的第一预测业务量和预测样本所对应预测时间的第二预测业务量；

所述业务量调整单元用于依据所述样本选取单元和业务量预测单元的计算结果调整所述预测业务量，获得在预测时间的预测业务量；所述业务量调整单元调整预测业务量的方法具体为：所述调整后在预测时间的预测业务量等于历史样本所对应预测时间的实际业务量与第一预测业务量之差乘以第二业务量增长率与第一业务量增长率之比，加上第二预测业务量。

8.如权利要求7所述的装置，其特征在于，所述装置还包括预警报告生成单元，用于依据所述业务量调整单元生成的调整后在预测时间的预测业务量生成业务量预警报告。

9.如权利要求7所述的装置，其特征在于，所述装置还包括预测结果输出单元，用于将所述调整后的预测业务量或业务量预警报告显示或打印输出。

10.如权利要求9所述的装置，其特征在于，所述装置还包括预测执行单元，所述预测执行单元预设有特定规则，在满足所述特定规则中预设的条件时自动调用所述预测粒度确定单元、样本选取单元、业务量预测单元、业务量调整单元、预警报告生成单元和预测结果输出单元执行电信业务量预测过程。

说明书

电信业务量预测方法和装置

技术领域

[0001] 本发明涉及电信网络技术领域，特别是涉及一种电信业务量预测方法和装置。

背景技术

[0002] 电信业务量是表示需要传递的电信信息数量，是核算各类网元设备、生产人员和组织生产的主要依据，例如话务量、彩信量、短信量等。电信业务的特点是业务量变化比较大，忙闲不均，同时受节假日影响显著。

[0003] 电信业务量预测，是从相关历史记录资料中获得电信系统业务量变化的规律与特性，建立一个可以描述电信业务量变化特性的数学模型，进而在一定精度要求下，利用该数学模型预测未来某个特定时段的电信业务量。现有技术的电信业务量预测一般采用时间序列分析法，时间序列分析法是一种仅仅基于电信业务量数据的线性分析方法，例如，常用的有一元线性回归分析法、自回归滑动平均模型（ARMA模型，Auto Regression Moving Average Model）分析法等，这些方法都建立在对将来业务量变化相对缓慢的假设基础之上。但是对于业务变化量比较大，同时受节假日影响显著的电信网络，这些方法难以取得较高精度的预测。

发明内容

[0004] 本发明所要解决的技术问题是提供一种电信业务量预测方法，可解决业务量变化较大，特别受节假日影响较大的电信业务量预测，从而为特定时期的电信网络管理提供决策支持。

[0005] 本发明还提供了一种电信业务量预测装置，以保证上述方法在实际中的应用。

[0006] 为了解决上述问题，本发明公开了一种电信业务量预测方法，包括：确定电信业务量的预测粒度；其中，所述预测粒度包括时间粒度以及产生所述电信业务量的电信网络的区域和/或网元设备；选取电信业务量的历史样本和预测样本；利用一元线性回归预测模型，依据上述历史样本计算第一业务量增长率和第一业务量初始值；依据上述预测样本计算第二业务量增长率和第二业务量初始值；以及，计算历史样本所对应预测时间的第一预测业务量和预测样本所对应预测时间的第二预测业务量；读取历史样本所对应预测时间的实际业务量；根据所述第一预测业务量与历史样本所对应预测时间的实际业务量的偏差，对所述第二预测业务量进行调整，获得调整后在预测时间的预测业务量；其中，读取历史样本的实际业务量步骤可在最后一个步骤之前的任何一个步骤执行；根据所述第一预测业务量与历史样本所对应预测时间的实际业务量的偏差，对所述第二预测业务量进行调整，获得调整后在预测时间的预测业务量的方法具体为：历史样本所对应预测时间的实际业务量与第一预测业务量之差，乘以第二业务量增长率与第一业务量增长率之比，加上第二预测业务量，获得调整后的在预测时间的预测业务量。

[0007] 优选的，上述方法还包括：依据调整后的预测业务量生成业务量预警报告。

[0008] 优选的，上述方法还包括：将业务量预警报告显示在计算机上或打印输出。

[0009] 优选的，上述预测粒度由用户选择确定。

[0010] 优选的，在执行上述方法的计算机系统中预设有特定规则，在满足预设规则中的条件时自动执行上述电信业务量预测流程。

[0011] 优选的，上述一元线性回归预测模型具体为：

[0012] 业务增长率

[0013] 业务初始值

[0014] 预测业务量Yt＝b＋kt

[0015] 其中，n表示样本数量，yi表示第i个样本的业务量，ti表示第i个样本的时间序数，k表示业务量增长率，b表示业务量初始值，Yt表示时间序数为t时的预测业务量；所述第一业务量增长率、第二业务量增长率、第一业务量初始值、第二业务量初始值、第一预测业务量和第二预测业务量可分别采用上述公式计算获得。

[0016] 优选的，上述电信网络为移动通信网络，网元设备包括移动交换中心、移动交换中心服务器、基站管理器、无线网络控制器、短信中心或彩信中心；

[0017] 优选的，产生上述电信业务量的电信业务为话音业务、短信业务、彩信业务或互联网业务；上述电信业务量为话务量、短信数量、彩信数量、互联网数据流量或互联网在线时间。

[0018] 根据本发明的另一优选实施例，还公开了一种电信业务量预测装置，包括：预测粒度确定单元、样本选取单元、业务量预测单元、业务量调整单元，其中：预测粒度确定单元用于确定电信业务的预测粒度，所述预测粒度包括时间粒度以及产生所述电信业务量的电信网络的区域和/或网元设备；样本选取单元用于依据预测粒度确定单元输出的电信业务量预测粒度，选取电信业务量的历史样本和预测样本，以及，获取历史样本所对应预测时间的实际业务量；业务量预测单元用于根据一元线性回归预测模型，基于本选取单元输出的历史样本和预测样本，分别计算历史样本的第一业务量增长率和第一业务量初始值，以及预测样本的第二业务量增长率和第二业务量初始值，以及，计算历史样本所对应预测时间的第一预测业务量和预测样本所对应预测时间的第二预测业务量；业务量调整单元用于依据样本选取单元和业务量预测单元的输出结果调整预测业务量；业务量调整单元调整预测业务量的具体方法为：调整后在预测时间的预测业务量等于历史样本的实际业务量与第一预测业务量之差乘以第二业务量增长率与第一业务量增长率之比，加上前述步骤获得的第二预测业务量。

[0019] 优选的，上述装置还包括业务量预警报告生成单元，用于依据业务量调整单元生成的调整后在预测时间的预测业务量生成业务量预警报告。

[0020] 优选的，上述装置还包括预测结果输出单元，用于将调整后在预测时间的预测业务量或业务量预警报告显示或打印输出。

[0021] 优选的，上述装置还包括预测执行单元，该预测执行单元预设有特定规则，在满足特定规则中预设的条件时，自动调用预测粒度确定单元、样本选取单元、业务量预测单元、业务量调整单元、业务量预警报告生成单元和预测结果输出单元执行电信业务量预测过程。

[0022] 与现有技术相比，本发明具有以下优点：

[0023] 通过分析历史样本业务量的线性预测值与实际值的偏差，获得电信网络用户行为模式，并据此对未来电信业务量数据的线性预测值进行调整，获得更为准确的电信网络业务量，为用户进行更为准确的网络规划和组织管理提供决策支持。

[0024] 另外，本发明提出的预测方案简单易用，特别适用于业务量变化幅度很大的节假日的电信网络业务量预测，预测精度更加准确。

附图说明

[0025] 图1是本发明电信业务量预测方法的一实施例流程图；

[0026] 图2是本发明电信业务量预测装置的一实施例结构框图。

具体实施方式

[0027] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

[0028] 本发明的核心构思之一在于，根据历史业务量数据的线性预测值与实际值的偏差，对要预测的业务量数据的线性预测值进行调整，以获得更为准确的业务量预测结果。

[0029] 参照图1，示出了本发明电信业务量预测方法的一实施例的流程，具体包括以下步骤：

[0030] 步骤101：确定电信业务量的预测粒度；

[0031] 不同的预测粒度，可满足用户对不同空间和不同时间内某类网元设备上的业务量预测。该预测粒度由时间区间、地理空间和网元设备类型三个要素构成，根据所确定的预测粒度，可以预测未来某一时间某一电信网络区域内所管辖的某类网元设备上的电信业务量。可以根据用户的选择进行确定，也可以在系统中预设一些规则进行选择。所述的电信网络可以是固定电话网、数据通信网，也可以是移动通信网。所涉及的电信业务可以为话音业务、短信业务、彩信业务或互联网业务等。

[0032] 以移动通信网为例，用户选择的地理空间可以是全国、某省或某地区作为预测的空间粒度，选择的时间区间可以是一天、几天、一个月等作为预测的时间粒度，发生业务所基于的网元设备可以选择移动交换中心（MSC，Mobile Switch Center）、移动交换中心服务器（MSS，MSC Server）、第二代网络的基站管理器（BSC，Base Station Controller）、第三代网络的无线网络控制器（RNC，Radio Network Controller）、短信中心（SMSC，Short Messaging Service Center）或彩信中心（MMSC，Multimedia Messaging Service Center）等。当然，可以直接将确定好的预测粒度存储在系统中，系统根据默认的预测粒度进行后续的操作。

[0033] 预测粒度可以根据用户需要自行定义，一般时间粒度不超过一个月。

[0034] 步骤102：选取所述电信业务量的历史样本和预测样本；

[0035] 依据步骤101确定的预测粒度，从电信网络数据库中选取被预测时间（如预测日）之前的一段时间的业务量作为预测样本；选取参考时间周期的对应被预测时间以前的一段时间的业务量作为历史样本。

[0036] 上述参考时间周期指被预测时间所在时间周期之前的一个时间周期。如果以一年作为一个时间周期，以一天作为预测的时间粒度，就选择被预测日所在年份的前一年作为参考年份，也可以选择前两年作为参考年份。如，当用户希望预测2009年A省在“五.一”劳动节期间的话音业务量情况时，可以将2009年4月1日～4月23日的话务量数据作为预测样本，将2008年4月1日～4月23日的话务量数据作为历史样本。需要说明的是，参考时间周期离被预测日越近，其预测结果精度越高。

[0037] 步骤103：利用一元线性回归预测模型，分别计算历史样本及预测样本的业务量增长率和业务量初始值；

[0038] 采用一元线性回归预测模型Yt＝b＋kt进行计算，其中b是常数（业务量初始值），k是回归参数（业务量增长率），t表示一元线性时间序列中的时间序数，例如：0、1、2、3、4…，…-3、-2、-1、0、1、2、3…，Yt表示时间序数为t时的业务量数据；

[0039] 其中，一元线性回归预测模型常数b（业务初始值）和回归参数k（业务增长率）的计算公式如下：

[0040]

[0041] 上述公式中，n表示样本数量，yi表示第i个样本的业务量，ti表示第i个样本的时间序数，k表示业务量增长率，b表示业务量初始值，Yt表示时间序数为t时的预测业务量。

[0042] 对应于历史样本，业务量增长率和业务量初始值分别用k1和b1表示，对应于预测样本，业务量增长率和业务量初始值分别用k2和b2表示。

[0043] 步骤104：计算历史样本在预测时间的业务量和预测样本在预测时间的业务量；

[0044] 根据步骤103获得的历史样本的业务量增长率k1和业务量初始值b1，利用一元线性回归预测函数Yt1＝b1＋k1t计算求得历史样本的时间序数为t时的业务量预测值为Yt1；

[0045] 根据步骤103获得的预测样本的业务量增长率k2和业务量初始值b2，利用一元线性回归预测函数Yt2＝b2＋k2t计算求得预测样本的时间序数为t时的业务量预测值为Yt2。

[0046] 步骤105：获得历史样本所对应预测时间的实际业务量Yt1′；

[0047] 如，当用户希望预测2009年A省在“五.一”劳动节期间的话音业务量情况时，可以将历史样本在2008年4月30日～5月3日的实际话务量数据作为参考年份的比较对象，即获得参考年份对应预测时间的实际业务量。

[0048] 步骤106：根据历史样本的预测业务量与实际业务量的偏差，调整预测样本在预测时间的业务量预测值；

[0049] 调整后的预测时间业务量预测值Yt2′等于历史样本对应预测时间的实际业务量Yt1′与历史样本对应预测时间业务量预测值Yt1之差，乘以预测样本业务增长率k2与历史样本业务增长率k1之比，加上预测样本的对应预测时间业务量预测值Yt2。计算公式如下：

[0050] Yt2′＝Yt2＋(Yt1′－Yt1)×k2/k1

[0051] 在本发明方法实施例的另一优选实施例中，还可以包括：将上述预测结果显示出来，或打印输出，为用户提供方便的决策依据。另外，还可以根据上述预测结果和预警基线生成业务量预警报告，所述的预警基线是根据业务量的变化情况设置的，节日时的话务量预警基线要高于平时的话务量预警基线，可以设定当预测结果高于话务量预警基线时就要报警，表明有业务量的突然变化发生。这样，就为电信网络业务管理、特别是业务增长量特别巨大的节假日运营管理提供了很好的技术支持。

[0052] 为了减少运营人员的工作量，减少人为因素造成的事故，还可以在系统中设置一些特定规则，当满足特定规则中预设的条件时，自动执行业务量预测过程。例如，重要节假日前一周自动进行业务量预测。

[0053] 上述方法实施例的预测过程中，通过分析被预测时间在参考时间周期中的业务量的线性预测值与实际值的偏差，可获得被预测时间的用户行为模式，并据此对被预测时间业务量数据的线性预测值进行调整，获得更为准确的被预测时间业务量，为电信网络规划和管理提供更为准确的决策依据。另外，本方法实施例特别适用于业务量变化幅度很大的节假日的电信网络业务量预测。

[0054] 方法实例一：话务量预测

[0055] 下面，以2009年A省在“五.一”劳动节期间的话音业务为例，具体说明本发明电信业务量预测方法及其效果。具体包括如下步骤：

[0056] 步骤一：选取A省2009年4月30日至5月3日期间，每天在移动交换中心产生的话务量作为预测粒度。

[0057] 步骤二：选取2009年4月1日～2009年4月23日A省每天在移动交换中心产生的话务量作为预测样本，如表1所示：

[0058]日期 话务量 日期 话务量 日期 话务量
4月1日 465496.6495 4月9日 467208.2000 4月17日 486043.2632
4月2日 462500.8755 4月10日 473943.7504 4月18日 427970.0125
4月3日 471012.9628 4月11日 427970.0125 4月19日 413297.4748
4月4日 402057.8877 4月12日 413297.4748 4月20日 467536.9374
4月5日 385927.7499 4月13日 460312.0751 4月21日 456247.0752
4月6日 399570.1747 4月14日 463109.8213 4月22日 467407.2002
4月7日 467355.2371 4月15日 466978.1499 4月23日 433946.9542
4月8日 465943.2166 4月16日 453871.0002

[0059] 表1、2009年4月1日～4月23日A省每天的话务量（单位：爱尔兰）

[0060] 获取2008年4月1日～2008年4月23日A省每天在移动交换中心产生的话务量数据作为历史样本，如表2所示。

[0061]日期 话务量 日期 话务量 日期 话务量
4月1日 452675.2452 4月9日 430203.5111 4月17日 460921.5798
4月2日 450358.5456 4月10日 451109.8811 4月18日 451093.7980
4月3日 457055.9756 4月11日 449540.9667 4月19日 406664.9031
4月4日 397783.8744 4月12日 415569.6622 4月20日 398874.4792
4月5日 369161.5567 4月13日 402873.3033 4月21日 445134.8655
4月6日 379882.7867 4月14日 445406.0622 4月22日 441288.4802
4月7日 440147.9667 4月15日 436469.4611 4月23日 440408.8611
4月8日 427023.0967 4月16日 438826.2600

[0062] 表2、2008年4月1日～4月23日A省每天的话务量（单位：爱尔兰）

[0063] 步骤三：计算历史样本的业务量增长率和业务量初始值，以及预测样本的的业务量增长率和业务量初始值。

[0064] 为了计算方便，通常取时间序列的中间时间为原点,这里分别取4月12日[0065] 为原点，即4月12日时t12＝0；4月11日时t11＝－1；4月13日时t13＝1等等。此时有

[0066] k和b的计算公式可简化为：

[0067] 根据上述公式，以2008年4月1日～2008年4 月23日每天话务量作为历史样本，计算出业务量增长率k1=471.7358991，业务量初始值b1=429933.701；

[0068] 以2009年4月1日～2009年4月23日每天话务量作为预测样本的业务量增长率k2=504.0300679，业务量初始值b2=447782.7894。

[0069] 步骤四：根据一元线性回归预测函数Yt1＝b1＋k1t，计算2008年4月30日～2008年5月3日每日话务量，作为历史样本的预测业务量Yt1如表3所示：

[0070]日期 历史样本的预测业务量Yt1（单位：爱尔兰）
2008年4月30日 438424.9472
2008年5月1日 438896.6831
2008年5月2日 439368.419
2008年5月3日 439840.1549

[0071] 表3、2008年4月30日～2008年5月3日A省的预测话务量

[0072] 同理，根据一元线性回归预测函数Yt2＝b2＋k2t，计算2009年4月30日～2009年5月3日每日话务量，作为预测样本的预测业务量Yt2，如表4所示：

[0073]日期 预测样本的预测业务量Yt2（单位：爱尔兰）
2009年4月30日 456855.3306
2009年5月1日 457359.3607
2009年5月2日 457863.3908
2009年5月3日 458367.4208

[0074] 表4、2009年4月30日～5月3日A省的预测话务量

[0075] 步骤五：根据历史样本获得2008年4月30日～2008年5月3日实际每日话务量Yt1’，如表5所示。

[0076]日期 历史样本的实际话务量Yt1′（单位：爱尔兰）
2008年4月30日 492298.9383
2008年5月1日 435705.0411
2008年5月2日 384150.1022
2008年5月3日 378436.0682

[0077] 表5、2008年4月30日～5月3日A省的实际话务量

[0078] 步骤六：历史样本2008年4月30日～2008年5月3日实际话务量Yt1′与2008年4月30日～2008年5月3日预测话务量Yt1之差，乘以预测样本业务量增长率k2与历史样本业务量增长率k1之比，加上2009年4月30日～2009年5月3日预测话务量Yt2，最终获得调整后预测话务量Yt2′。计算公式如下：

[0079] Yt2′＝Yt2＋(Yt1′－Yt1)×k2/k1

[0080] 计算结果如表6所示：

[0081]日期 调整后的预测话务量Yt2’（单位：爱尔兰）
2009年4月30日 514417.4357
2009年5月1日 453949.2248
2009年5月2日 398864.9299
2009年5月3日 392759.7238

[0082] 表6、2009年4月30日～5月3日A省调整后的预测话务量

[0083] 预测结果误差分析如表7所示：

[0084]

[0085] 表7、2009年4月30日～5月3日A省的本发明预测话务量（单位：爱尔兰）、[0086] 一元线性回归预测话务量与实际话务量比较结果

[0087] 从表7可以看出，采用本发明预测的方法误差率控制在5%以内，最小误差2.09%、最大误差4.74%；而采用一元线性回归预测方法直接预测误差变动较大，最小5.52%、最大19.48%；说明本发明采用的预测方法更准确、更有效。

[0088] 方法实例二：短信量预测

[0089] 为进一步说明本发明方法实施例的效果，下面以A省2009年4月30日～5月3日的短信数量预测为例进行说明。计算步骤与前述实例相同，在此只列出相关数据进行说明。

[0090] 一、关于历史样本和预测样本

[0091] 2008年4月1日～2008年4月23日和2009年4月1日～2009年4月23日短信数量数据列表如表8所示，单位：百万条：

[0092]日期 2008年 2009年 日期 2008年 2009年
4月1日 204.43 239.86 4月13日166.94 231.21
4月2日 174.54 228.72 4月14日174.65 230.88
4月3日 186.04 232.84 4月15日177.21 225.07
4月4日 181.18 228.32 4月16日173.12 224.66
4月5日 168.99 220.19 4月17日173.75 226.57
4月6日 168.03 218.75 4月18日172.69 222.83
4月7日 173.01 220.25 4月19日171.43 219.79
4月8日 180.4 238.49 4月20日168.23 223.9
4月9日 173.69 229.91 4月21日176.42 222.2
4月10日172.42 232.6 4月22日171.48 220.83
4月11日179.05 232.19 4月23日173.18 225.13
4月12日168.76 225.28

[0093] 表8、2008年和2009年在4月1日～4月23日期间A省的短信数量

[0094] 二、关于实际发生的业务信息

[0095] 2008年4月30日～2008年5月3日和2009年4月30日～2009年5月3日实际发生的短信数量列表如表9所示，单位：百万条：

[0096]日期 2008年 2009年
4月30日195.57 249.66
5月1日 201.98 239.97
5月2日 178.5 224.27
5月3日 170.85 215.64

[0097] 表9、2008年和2009年在4月30日～5月3日期间A省的实际短信数量

[0098] 三、关于业务量增长率k和业务量初始值b

[0099] 根据表8历史样本和预测样本计算得出的k和b如表10所示：

[0100]参数 2008年 2009年
k -0.535573123 -0.388369565
b 175.2017391 226.9769565

[0101] 表10、历史样本和预测样本的业务增长率和业务量初始值参数

[0102] 四、根据历史样本和预测样本计算得到的预测业务量

[0103] 根据一元线性回归预测模型，预测得到的4月30日～5月3日短信数量数据列表如表11所示，单位：百万条：

[0104]日期 2008年 2009年
4月30日173.52 219.46
5月1日 172.98 219.08
5月2日 172.45 218.69
5月3日 171.92 218.30

[0105] 表11、2008年和2009年在4月30日～5月3日期间A省的预测短信数量

[0106] 五、调整后的预测结果

[0107] 根据本发明预测方法，最后得出的预测结果如表12所示，单位：百万条：

[0108]日期 2009年调整后的预测业务量
4月30日 243.02
5月1日 250.05
5月2日 225.15
5月3日 217.16

[0109] 表12、2009年4月30日～5月3日期间A省的调整后预测短信数量

[0110] 六、预测结果误差分析如表13所示：

[0111]

[0112] 表13、2009年4月30日～5月3日A省的本发明预测短信数（单位：条数）、一元线性回归预测短信数与实际短信数比较结果

[0113] 从表13可以看出，采用本发明预测方法预测的结果要比采用一元线性回归方法预测的结果更为准确。

[0114] 对于前述的各方法实施例，为了描述简单，故将其都表述为一系列的动作组合，但是本领域的技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为根据本发明，某些步骤可以采用其他顺序或同时执行。其次，本领域技术人员也应该知悉，上述方法实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

[0115] 参照图2，示出了本发明电信业务量预测装置一实施例的结构框图，具体包括以下单元：

[0116] 预测粒度确定单元21：用于确定电信业务的预测粒度。

[0117] 本发明装置实施例可适用的电信网络可以是固话网，也可以是移动通信网。在确定预测粒度时，根据用户所关注的业务领域（如话音业务、短信业务、彩信业务或互联网业务等），确定基于时间区间、地理空间和网元设备类型三个要素构成的预测粒度，预测的时间粒度可以是一天、几天、一个月等，预测的空间粒度可以为电信网络区域，如北京地区、辽宁省、大连市等；发生业务所基于的网元设备可以是MSC、MSS、BSC、RNC、SMSC或MMSC等等。关于预测粒度的确认方法，可以由预测粒度确定单元21提示用户选择或输入，也可以在预测粒度确定单元21中预设预测粒度。

[0118] 样本选取单元22：用于依据预测粒度确定单元21输出的结果，选取电信业务的历史样本和预测样本；以及，获取历史样本所对应的预测时间的实际业务量。

[0119] 依据预测粒度确定单元21确定的预测粒度，从电信网络数据库中选取被预测时间（如预测日）之前的一段时间的业务量作为预测样本；选取参考时间周期的对应被预测时间以前的一段时间的业务量作为历史样本。

[0120] 如，当用户希望预测2009年A省在“五.一”劳动节期间的话音业务量情况时，可以将2008年4月1日～4月23日的话务量数据作为历史样本，将2008年4月30日～5月3日的话务量数据作为参考年份的比较对象，将2009年4月1日～4月23日的话务量数据作为预测样本。

[0121] 业务量预测单元23：用于根据一元线性回归预测模型Yt＝b＋kt，基于样本选取单元22输出的历史样本和预测样本，分别计算历史样本的业务量增长率和业务量初始值，以及预测样本的业务量增长率和业务量初始值；以及，用于进一步计算历史样本在对应预测时间的预测业务量和预测样本在对应预测时间的预测业务量；

[0122] 其中b是常数（业务量初始值），k是回归参数（业务量增长率），t表示一元线性时间序列中的时间序数，例如：0、1、2、3、4…，…-3、-2、-1、0、1、2、3…，Yt表示时间序数为t时的业务量数据。

[0123] 其中，一元线性回归预测模型常数b（业务初始值）和回归参数k（业务增长率）的计算公式如下：

[0124]

[0125] 上述公式中，n表示样本数量，yi表示第i个样本的业务量，ti表示第i个样本的时间序数，k表示业务量增长率，b表示业务量初始值，Yt表示时间序数为t时的预测业务量。

[0126] 业务量调整单元24：用于依据样本选取单元22和业务量预测单元23的输出结果调整预测业务量，获得在预测时间的业务量。

[0127] 其中，调整后在预测时间的预测业务量Yt2′等于历史样本对应预测时间的实际业务量Yt1′与历史样本对应预测时间的预测业务量Yt1之差，乘以预测样本的业务量增长率k2与历史样本的业务量增长率k1之比，再加上业务量预测单元23输出的预测样本在预测时间的预测业务量。

[0128] 计算公式如下：

[0129] Yt2′＝Yt2＋(Yt1′－Yt1)×k2/k1

[0130] 在本发明装置实施例的另一优选实施例中，还包括预警报告生成单元25和预测结果输出单元26，其中，预警报告生成单元25用于依据业务量调整单元24生成的调整后的预测业务量，生成业务量预警报告；预测结果输出单元26用于将所述调整后在预测时间的预测业务量或业务量预警报告显示或打印输出。

[0131] 另外，本发明装置实施例还可以包括预测执行单元27，该预测执行单元27中预设有特定规则，当满足特定规则中预设的条件时，预测执行单元27自动的顺序调用预测粒度确定单元21、样本选取单元22、业务量预测单元23、业务量调整单元24、预警报告生成单元25和预测结果输出单元26等部件执行电信业务量预测过程。

[0132] 需要说明的是，上述装置实施例属于优选实施例，所涉及的单元并不一定是本发明所必须的。

[0133] 本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本发明的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

[0134] 以上对本发明所提供的一种电信业务量预测方法和装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。