基于电力业务需求的通信带宽预测方法及装置

摘要

本发明公开了一种基于电力业务需求的通信带宽预测方法，包括：计算各年度的业务总带宽数据；获取若干个业务带宽影响因素在各年度中的数据；采用主成分分析法对所述若干个业务带宽影响因素在各年度中的数据进行降维处理；对用于电力通信网络带宽预测的神经网络模型进行训练；通过训练后的神经网络模型对电力通信网络的通信带宽进行预测。此外，还公开了一种基于电力业务需求的通信带宽预测装置。本发明选取神经网络模型来进行电力通信网络带宽的多因素预测。克服了传统方法无法描述各个业务带宽影响因素对预测对象影响的问题，提高了预测精度。有利于降低通信成本，从而提高电力系统通信的经济效益和社会效益。

主权项

一种基于电力业务需求的通信带宽预测方法，其特征在于，包括以下步骤：根据电力通信网络的业务承载方式，计算各年度的业务总带宽数据；获取若干个业务带宽影响因素在各年度中的数据；采用主成分分析法对所述若干个业务带宽影响因素在各年度中的数据进行降维处理；将降维处理后的所述若干个业务带宽影响因素在各年度中的数据和所述各年度的业务总带宽数据作为训练样本，对用于电力通信网络带宽预测的神经网络模型进行训练；其中，所述神经网络模型为BP神经网络；所述BP神经网络为具有隐含层的三层神经网络模型，隐含层的传递函数采用S型函数；建立BP神经网络的输入体系，神经网络的输入为电力ICT业务带宽历史数据和处理后的影响因素指标体系，指标体系筛选过程选择为主成分分析法，确定BP神经网络输入层神经元个数为N+1，N为影响因素指标体系经主成分分析法简化后的主成分数量；确定BP神经网络输出层神经元个数时，采用电力ICT业务通信带宽作为输出，输出层神经元个数为1；确定BP神经网络隐含层神经元个数时，选择最佳隐含层节点数z的公式：$z=\sqrt{m+q}+c$其中，m为输入神经元个数，q为输出神经元个数，c为常数，在[1,10]之间；通过训练后的神经网络模型对电力通信网络的通信带宽进行预测。