无线通信网络业务量预测与应用

导语：无线通信网络业务量预测与应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：在综述现有通信网络业务预测技术的基础上，对现有的业务预测技术进行对比分析研究，通过分析得到了现有技术存在的优点与缺点，在此基础上指出该领域未来的发展方向是提升数学模型，提高机制设计以及联合设计。

关键词：无线通信;网路业务;业务量

一、现有技术

就目前技术而言，无线通信网络中对移动终端业务量的预测技术中，大部分技术的主要思路是这样：将该问题建模为Markov过程模型[1]。其基本思路是将历史数据作为依据，然后拟合出马尔科夫过程的相关参数，从而依据这些参数来得到下一个状态时刻的可能业务量。在参考文献[2]中，作者提出了这样的思路与方法：将用户的业务访问记录数据，以路径树的方式构建起来，以此访问路径树为基础就比较容易查找出当前用户最匹配的路径了。而参考文献[3]的思想则是以历史记录数据为基础，从中求解出多阶的矩阵，将历史状态作为母体，然后将用户的现阶段与母体状态进行比较，从而将母体状态进行克隆复制的预测方法，这样进一步提高了准确性。在参考文献[4]中，假定网络的状态存在时间相关性，即离散的相邻时间的网络状态之间具有一定的随机相似性，以此为依据，不同时间状态的网络状态序列构成一个Markov链，而随着时间的推移，不同时刻网络状态之间的关系会发生变化，则根据数据的不断更新调整他们之间的关系，以实现动态地预测优化。

二、当前存在的主要问题

(一)当前的Markov预测模型虽然已经具有比较高的准确率，但依然有很多完善和改进的空间，例如随着网络规模的扩大和移动用户的增加，现有的Markov预测模型中很少考虑大规模转移概率矩阵的求解复杂度问题。高斯消元法作为经典的求解算法，具有的优点较多。然而这种算法也存在一定的局限性，比如当需要求解的方程组所对应的系数所构成的矩阵规模很大，以及在这些系数所构成的矩阵处于病态的情况下，该算法中的舍入误差所造成的影响往往就会很大。而且利用此种方法，在所被求解的方程组数量多，系数多，结算量大的状态下，一般都需要很大内存开销和很长的时间开销。使用迭代法求解大规模矩阵，是用某种极限过程去逐步逼近线性方程组精确解的方法，具有占存储单元少，程序设计简单，原始系数矩阵在迭代过程中不变等优点，却在收敛性、收敛速度以及总体上很难做到通用、稳定，而对通信业务进行预测，转移概率矩阵的求解精度，直接关系到通信业务预测的准确度。(二)通常对全频段全用户进行整体频率资源分配策略的设计，算法存在过程繁琐，耗时长的问题，尽管有些算法资源分配效率较高，但是进行多用户频谱资源分配时，无法给出多用户速率公平性评价指标，存在频谱资源分配均衡性差的问题。另外，通过预测未来的信道状态来分配资源，在无干扰网络中可达到很大的性能增益。但是在干扰网络中如何无线通信网络中业务量预测与应用研究冉伟仡覃凤谢(重庆市南岸区公安分局重庆南岸400060)利用预测信息，在分配资源的同时有效协调干扰还是一个尚未研究的问题。

三、未来的发展方向

(一)设计一种快速、高效预测模型是一个发展的方向。目前针对网络中业务的量的预测已经有了一些研究，而这些研究成果的准确度都不够高，要提高准确度就需要大幅度地牺牲计算复杂度方面的性能。如何解决这个矛盾，设计出复杂度较低，而且预测比较准确的数学模型就成为解决这一问题的关键。因此，对现有的网络特征进行分析，建立合理的数学模型是该问题领域发展的一个重要研究方向。(二)设计合理的预测机制。在网络中，业务量是随机分布的，虽然具有一定的规律性，但是同时也具有随机特性，比如业务涨落问题，业务的分布偏差问题等等。这就要求在预测机制中能够对上述因素进行考虑，既能够利用业务的分布规律得到业务的分布情况，同时又能够反映出其随机特性，这是预测机制另外的一个发展方向。(三)设计业务预测与资源分配的联合机制。业务预测的目的是能够提高网络的性能，提升网络中的资源利用率，而在业务预测过程中，收到的信息可能并不是业务量方面的单一信息。因此，如何利用这些信息，实现业务预测与资源分配综合设计，从而将业务预测与提升网络资源利用率相结合，也是一个有意义的课题。

四、结束语

首先综述现有的通信网络业务预测技术，通过对现有的业务预测技术进行对比分析研究发现，现有的技术存在两方面的不足，一方面是随着网络规模的扩大和移动用户的增加而复杂度大幅增加；另外一方面是缺乏对预测机制与资源分配的结合。在此基础上指出该领域在未来的发展方向是提升数学模型，为设计优质算法提供必要的基础，提高机制设计，从而较好地处理准确度与复杂度之间的矛盾，以及将预测机制与资源分配联合设计，实现信息的充分利用这三个发展方向。

参考文献：

[1]HUDH.AnIntroductiontoMarkovProcessinRandomEnvironment[M].[S.l.]:WorldPublishingCorp，2009.

[2]BHAWSARS，PATHAKK，PATIDARV.Newframeworkforwebaccessprediction[J].InternationalJournalofComputerTechnology&ElectronicsEngineering，2012，23(6):35-43.

[3]SHENB，CAOL，YAOM.Miningpreferrednavigationpatternsbyconsolidatingbothselectionandtimepreferences[J].WorldWideWeb，2016，19(5):979-1007.

[4]GURVICHI.Diffusionmodelsandsteady-stateapproximationsforexponentiallyergodicMarkovianqueues[J].AnnalsofAppliedProbability，2014，24(6):2527-2559.

作者:冉伟仡 覃凤谢 单位:重庆市南岸区公安分局