2018年第2期 信息通信2018 (总第 182 期）I N F O R M A T I O N&C O M M U N I C A T I O N S(Sum.No 182)
谭阵s张扬^周小翠s贺凡2
(中国移动通信集团湖北有限公司，湖北武汉430023;2北京协成致远网络科技有R L公司，北京100036)摘要：在移动互联网时代，流量经营一直是运营商推广业务发展市场的最要举措。中国移动适时推出了 “4G任我看”视 频业务，很受广大用户的青睐。在业务推广之际，后来的流量分析与管理，需要进行有效支擇。为此，特提出一种基于 LSTM神经网络的流量预测模型，该模型对用户使用某种业务的历史流量进行分析，进而建立该类业务的流量预测模型，通过历史业务流量、影响业务流量相关指标、时间等指标对业务未来流量进行领测。
关键词：客户感知;LSTM；神经网络;4G任我看
中图分类号:TN929.5 文献标识码:A文章编号:1673-1131(2018 )02-0240-02
0引言
为了进一步激发客户流量，应对市场竞争，企业在全国范 围内推广了“4G任我看”视频流量业务。由于该业务套餐的性 价比较髙，预计会较大程度的激发4G视频服务的发展，从而 拉动4G总流量加速增长。因此需对4G流量增长情况进行预 测，支撑各专业评估扩容需求。 “4G任我看”视频流量业务的开通预计会较大程度的激发 4G视频流量的增长，从而拉动4G总流量加速増长，然而，4G 总流量的増长不仅局限于此视频流量业务的开通的影晌，因此，研究视频业务的流量增长情况，并对此进行预测，势在必 行。业务流量的增长与预测，分析步骤如下：
⑴分析历史流量相纖据粒业务的流量模型~~m
影响业务流量变化的指标及影响情况；
⑵建*业务流量的预测模型，通过历史业务流量、影响业务流量相关指标、时间等指标对业务未来流量进行预测。
围1基于LSTM神经网络的流量预测模型
1.4核心功能-3：端到端链路监测
集团客户4G GPRS专线端到端智能监测系统中的端到端 链路监测，有别于普通集团专线的链路监测。
由于涵盖了 SA-EGW、DN S等核心网元，因此本系统中的端到端链路监测的 是仿真终端到集团客户机房侧服务器的全流程链路，更加贴 近用户的真实感受，更能反映网络的真实状况。
服务器维护人员在系统服务器中进行测试例配置，由服 务器下发测试任务至硬件探针•通过模拟终端行为，探针对 集团客户的服务器目标IP进行全天候的ICMP Ping测试，检 査Ping测时延和丢包，实现对端到端链路的监测。
在服务麟行中任务S S S，针对时延、魏的测试#m麵
行分别设置的，同时进行阀值的配置，设置阀值为时延<1_, 丢包率<5%。
1.5核心功能-4：异常结果的生成及任务自动分派
通过打通平台间的接口，智能监测系统将拨测中发现2结语
本文提供了一种针对行业信息化专线的信息化支撑应用 方案，该方案对GPRS专线实现了全流程实时监测，破解了 GPRS专线全流程网元监测的难題，满足了集团客户对专线质 量监测的需求。由于髙度模拟实际用户使用的场景，对GPRS 专线可能影响用户感知的指标进行了全方位监控，因此系统 具有高度的精确性。由于采用并发任务模式，系统对全网近 300条GPRS专线完成一次调控任务，全程运行时间仅需5分 钟左右，极为快捷和髙效。系统对于异常专线，通过EOMS平 台输出故障工单，自动
转派到责任部门处理，24小时实时监 测，全程无需人工干预•在实际应用中己主动发现并解决了 十多条专线网络存在的隐患，确保了 GPRS专线网络质量的 可靠性与稳定性。
参考文献：
的超出陶值的专线信息进行二次分析，根据预先设定好的 处理规则，将告警分级、分任务实时输出到省级EO M S平 台。省级EO M S平台上通过告警工单形式，根据故障发生 节点的不同、自动分派到对应的錐护部门进行处理(仅出现 链路中断告警时，转派至专线归属分公司；其余情况转派至 专业维护部门），全流程无需人工干预。另外系统通过对接 短信系统，第一时间向维护人员下发短信通知。同时智能监 测系统面向全省维护人员开放査询权限，维护人员可以登录 系统査看原始拨测记录，帮助维护人员更加准确地进行故 障分析处理。[1]谢力为•企业服务总线在行业信息化中的应用研究[J]■湖
南邮电职业技术学院学报，2017年01期.
[2]陈言樑.基于行业信息化发展的通信信息技术保障[J].电
子技术与软件工程，2017年15期.
[3]班超.电信业务的行业信息化应用[J].中国新通信，2017
年16期.
作者简介：李轶璋（1983-)，男，湖北黄梅人，华中科技大学硕 士，中级通信工程师，从事移动通信网络、行业信息化业务等
方面的研究。
240
1基于LSTM 神经网络的流量预测模型 1_1分析模型
对各个维度的流量类指标在时间维度上进行统计分析, 发现与业务流量相关的指标及相关程度，相关统计的内容包 括：
(1)
每天视频总流量、开通“任我看”业务用户的总流量、
开通“任我看”业务用户的视频总流量在总流量中的占比分布。
重点分析的内容包括：视频总流量在总流量的占比分布、
开通“任我看”业务用户的总流量在总流量的占比分布、开通
“任我看”业务用户的视频总流量在视频总流量的占比分布。
(2) 每月视频总流量、开通“任我看”业务用户的总流量、
开通“任我看”业务用户的视频总流量在总流量中的占比分布。
重点分析的内容包括：视频总流量在总流量的占比分布、
开通“任我看”业务用户的总流量在总流量的占比分布、开通
“任我看”业务用户的视频总流量在视频总流量的占比分布。
(3) 每天总用户数、日已开通“任我看”业务用户数的变化
趋势。
(4) 每天视频总流量与非视频总流量分布（量正比或其
他)。
(5) 开通“任我看”业务用户的视频总流量与开通“任我看”
业务用户的非视频总流量分布(量正比或其他关系）。
(6) 每天视频总流量与非视频总流量比例、开通“任我看” 业务用户的视频总流量与开通“任我看”业务用户的非视频总
流量比例比较(促进或互相抑制程度)。
(7)
开通“任我看”业务的使用业务固定APP 视频总流量 与开通“任我看”业务的使用非业务固定APP 视频总流量分布
(量正比或其他关系）。(8) 开通“任我看”业务的使用业务固定APP 视频总流量 与开通“任我看”业务的使用非业务固定APP 视频总流量比例 变化(促进或抑制)。(9) 开通“任我看”业务的视频使用分布。
(10) 开通“任我看”业务的使用业务固定A PP 使用分布。 1.2预测模型
通过对数据的上述初步统计，抽离出对因变量——
总流
量有影响的相关变量。
考虑到LSTM 神经网络能比较好的处理大时间尺度和小 时间尺度的数据共同的影响，所以准备材料LSTM 神经网络 来作为本次研究的主要算法。但并不排除对其他相关算法的 尝试。如ARM A 算法等。
传统的神经网络，模型存在“只关注当前时刻”的问题，而 忽略了对过去时刻的应用，和对未来时刻的预测。在这样的 场景下，可借用递归神经网络（Recurrent Neural Networks , RNNs )来记住各个时刻的信息。
基于LSTM 的流程预测模型中，使用的相关技术包括：(1)
递归神经网络：带有一个指向自身的环，用来表示它
可以传递当前时刻处理的信息给下一时刻使用。
(2) 长短期记忆(Long-Short Term Memory , LSTM )作为目神经网络预测
前深度学习的一种具备记忆效果的分析算法，是一种特殊的
时间递归神经网络。由于独特的设计结构,LSTM 适合于处理
和预测时间序列中间隔和延迟非常长的重要事件。
1.3模型创新点
信息通信
结合实际中的使用，基于LSTM 神经网络的流量预测模 型，具有如下创新点：
创新点一：多指标预测方法提高预测结果准确度
不同于传统的基于单指标历史数据的预测方法，如AR - IM A 模型预测方法，本算法综合考虑了影响流量变化的多个
指标，综合评估各个指标对流量的影响程度得到流量预测模
型。能顾及到影响流量变化的多方面因素，更符合实际业务
情况，有助于提高流量预测的准确性。
创新点二：提出套餐对流量影响的归一化模型
本算法通过研究每个主要套餐对流量影响的时间分布模
型，得到套餐对流量影响的归一化模型，在此基础上分析目前
部署的主要套餐对流量的时间分布的叠加效果来预测今后的
流量变化。能比单一流量指标的历史数据预测今后流量变化
有更好的准确性。而且套餐对流量的影响时间模型还可以应
用到其他的业务主题研究中。
创新点三：基于深度学习循环神经网络的预测算法
套餐对流量的时间分布分析是在时间序列上的分析，流
量指标时间上前后取值有相互影响。本算法采用具有长短期
记忆功能的多层神经网络处理流量数据，发现流量数据在时
间序列上的分布特征，具备比传统回归算法更好的适应性。预
测结果具备更好的准确性。
2结语该项工作在我省的互联网业务管理中，受到了管理人员、
业务推广人员和一线维护人员的一致好评。当前，汇总的内
容包括:①日总流量;②日视频使用总量;③日已开通“任我看”
业务用户数(包含当时开通和已在使用业务用户）;④开通“任
我看”业务的使用业务固定APP 视频总流量;⑤开通“任我看”
业务的使用非业务固定A PP 视频总流量;⑥开通“任我看”业 务的使用非视频总流量;⑦未开通“任我看”业务用户的使用 “任我看”业务固定A PP 视频总流量。后期，将有针对性地面
向全省所有地市分公司进行推广，结合地市分公司的实际特
征，对系统进行个性化配置，以满足区域化需求。
参考文献：
[1] 焦李成，杨淑媛，刘芳，王士刚，冯志玺.神经网络七十年：回
顾与展望[J ].计算机学报,2016(01).[2] 周飞燕，金林鹏，董军.卷积神经网络研究综述[J ].计算机 学报,2017(01).
[3]
张宇航，邱才明，贺兴，凌泽南，石鑫.一种基于LSTM 神经 网络的短期用电负荷预测方法[J ].电力信
息与通信技术, 2017(09).
作者简介：谭晖(1971-)，男，湖北武汉人，华中科技大学硕士， 通信工程师，现为湖北移动网管中心员工，三级经理，从事互
联网及大数据分析管理工作，发表科技论文十余篇；张扬
(1985-)，女，湖北武汉人，中国地质大学硕士，通信工程师，从
事交换网络维护、集中故障管理等方面的研究；周小翠
(1983-)，女，湖北十堪人，中国民用航空大学本科，现为中国移
动湖北公司网管中心员工，从事集中性能管理、大数据应用等
方面的研究；贺凡(1981-)，男，北京，东北大学硕士，高级通信
工程师，从事互联网业务、集中性能管理、大数据应用等方面
的研究。
_________谭晖等：一种基于LSTM 神经网络的流量预测模型
241
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议