通信网络规划Word文件下载.docx
《通信网络规划Word文件下载.docx》由会员分享,可在线阅读,更多相关《通信网络规划Word文件下载.docx(16页珍藏版)》请在冰豆网上搜索。
(3)按预测的X围分
●宏观预测
●微观预测
(4}按预测的性质分
●判断性预测
●历史资料延伸性预测
●因果性预测
:
(5)按预测区域分
按预测区域可分为长途通信业务预测、本地网通信业务预测和小区预测等。
小区通常是
指一介街坊或几个街坊组成的区域,小区预测也称街坊预测,它既反映用户的数量,又
反映用户的分布状况。
(6)按预测的业务性质分
102-
按预测的业务性质可分为业务预测和非话业务预测。
非话业务预测又分为公众电报、用户电报、传真及其他数据业务预测。
3.通信业务预测的主要步骤
第一步:
为了科学地研究和预测通信业务发展的客观规律,首先必须雀定预测对象,深
入调查、收集预测对象的发展数据以及对其产生影响的各种因素的资料,并认真地加以整理,
为预测工作打好基础。
第二步:
对已掌握的资料进行预测分析,找出预测对象过去的发展规律,选出可用的预
测方法。
预测方法是否适当对预测结果有很大影响。
第三步:
建立数学模型,验证模型的合理性,通过具体计算得出有一定参考价值的预测
值。
这样得到的结果比非解析方法得到的结果要科学,且方法简便。
第四步:
对以上得出的预测值进行综合分析、判断和评价,并根据某些情况进行必要的
调整和修正,以确定最后的预测结果,作为通信网规划设计的依据。
4.业务预测中应注意的问题
(1)在收集历史数据时,应注意各种历史数据在不同时期的统计背景和口径问题。
(2)为提高预测的准确性,一般采用两种或两种以上的预测方法进行预测,如预测结果
相近,则认为预测结果可行,否则,应进行分析,找出原因,选取较为合理的结果。
(3)需要对预测结果进行定期跟踪、观察和修正。
保证业务预测工作的长期性,不断提
高业务预测结果的准确性。
3.2.2常用的用户预测和业务量预测方法
常用的用户预测和业务量预测方法主要有时间序列分析法、多因子相关回归预测法、弹
性系数法和定性预测法等.'
1.时间序列分析法,
时间序列是将预测对象的历史发展状况按时间顺序序排列的统计数据。
时间序列分析法假定预测对象未来的发展趋势与过去发展趋势相一致并且不考虑外界因素的影响,找出这些统计数据与时间的函数关系,并选用相应的数学模型进行预测。
常用的方法有线性回归法、指数曲线回归法、几何平均增长率法。
(1)线性回归法
如果将预测对象的时间序列拟合成趋势线,可以用线性方程表示,则称为线性回归。
其
数学模型为:
=a+bt
式中,
为预测对象在t年的预测值;
t为基年起算的年数;
a,b为线性回归系数。
建立线性回归预测模型即确定回归系数a,b常使用最小二乘法,即通过使已知的时间
序列数据到待求的拟合趋势线距离的平方和为最小,这时得到的即为最佳值。
设已知时间序列为
,由线性方程得到的相应理论值为
,
到
距离的平方和为
将
=a+bt代入上式,得:
要使S有最小值,可令
容易得到
从而可得到回归系数
得到线性回归系数a、b之后,代入基年起算的年数t,就可以得出t年的预测值。
(2)指数曲线回归法
如果将预测对象的时间序列数据近似为一条指数增长曲线,可用指数方程表示,则称为
指数曲线回归。
指数曲线回归的数学模型为:
y=A*
为第t年的预测值;
t为从基年起算的年数;
A,B为指数回归系数。
指数曲线数学模型可以变为线性模型。
对该式两边取对数,得:
令
,a=lgA,b=lgB,,可得
=a+bt
与线性回归法的分析方法相似,容易计算得到a,b,从而得出A,B。
(3)多因子相关回归预测
在多用户预测分析研究中,有时会发现需要量(因变量)并不完全是随时间(自变量)而变化,还有其他因素(若干个自变量)对它产生影响,例如国内经济生产总值、人均经济收入、平均家庭收入等。
多因子相关回归预测法首先根据历史资料,对各种变量进行研究,找出通信业务与各种因素之间的相关性和相关程度,然后采用适当的方法得到拟合曲线,并建立回归预测的数学模型,最后进行预测。
多因子相关回归的预测模型有线性和非线性两种,多因子相关回归模型为:
式中,y为预测值,
·
为影响因子
,·
为回归系数。
多因子非线性回归预测的数学模型很多,在通信业务预测中通常用生产函数,其模型表
达式为:
y=
将该式两端取对数,可简化为多因子线性相关模型。
使用多因子相关模型进行预测是否合理,需对回归结果进行检验。
通过检验略去某些相
关性不强的因素,以简化相关模型。
在实际应用一般多使用2~3个因子,因为引子太多,引人的误差将增大;
,.会影响预测的精度。
2.弹性系数法
据发展与国民经济发展的关系,引入弹性系数指标。
弹性系数表示通信需求的
增长速度与经济发展的相适应程度。
于是国民生产总值增长率与增长率有如下关系:
式中,k为国民经济生产总值年增长率;
.
r为的年增长率;
为弹性系数。
上式可变形为:
当k和r都较小时,可简化为:
根据一般规律,发展期,
>
1;
趋向饱和期,
<
1。
在我国于大发展
的时期,弹性系数一般取1.3~2.0为佳。
t年的预测值为:
为基础年预测对象的实际值;
t为预测年限。
弹性系数法适于在本地网中作短期或中期预测。
3.定性预测法
定性预测主要是通过调查研究来分析和预测通信业务未来的发展。
调查对象主要是有关
方面的群众和专家,对群众的调查可以采用发调查表的方式;
对专家的调查可采取开预测调
研会等方式。
作为定量预测的前期工作,定性预测法简单易行,可以充分听取各方面的意见
但这种方法容易引入人为的因素。
4.普及率法
所谓普及率目标法就是根据当地经济发展状况、通信发展现状,再参考全国、全省同期
的发展水平,并考虑到当地的情况在全国所处的位置,确定出来的增长模式或在预期年上应达到的目标水平。
对不同地区的目标水平预测可以运用不同的方法。
3.2.3常用的流量预测方法
1流量预测概述
局间业务流量是通信网中两交换局间通信业务的数量;
可分为来流量和去流量。
在
网中,业务流量是指局间的话务流量。
若不考虑长途话务量,则局间话务流量具有封闭性,
即网内各局流出话务量总和等于流入话务量总和。
若考虑长途话务,则该系统不再是封闭的,
即各局流出的话务量总和不等于流入话务量的总和。
通信网中各交换局之间的业务流量可以用流量矩阵表示,如表3.3所示。
表3.3流量矩阵
表中,
为由i局到j局的去流量,也是j局由i局的来流量;
为i局去业务量;
为j局来业务量;
即全网中来、去业务量总量相等。
上表中,对角线元素
在长途流量矩阵中为零,但在其他专业中(如市话、电报和
邮政中的各项业务等)就不一定为零,而为本地(局)的业务量(话务量)。
2.流量预测方法
流量预测一般是根据各局的去(来)业务量的预测数,以基础流量矩阵为基础进行合理分
配,或利用通信网中其他有关数据进行分配而得到预测的流量矩阵。
确定流量矩阵的方法很
多,常用的有吸引系数法、重力法、双因子平衡法等。
(1)吸引系数法
通信网内各局间的吸引系数表示各局间用户实际联系的密切程度。
引系数法是在已知
各局的去流量(或发话话务量)的基础上,通过计算吸引系数来求得预测流量矩阵。
吸引系数的计算要求有较完整的历史话务量数据,计算公式如下:
为i局呼叫j局的吸引系数;
为已知全网各局发话话务量之和;
为已知i局流向j局的话务量。
根据历史话务量数据计算出吸引系数后,如果可以得到各局的发话话务量预测值
,则可得到各局间的预测流量值,即:
i局的发话话务量预测值可接下式计算:
为i局的用户总数(或局容量);
为i局平均单机发话话务量。
吸引系数法适于容量比较小的城市进行短期预测。
(2)重力法
当已知某局总发话话务量的预测值,但缺乏相关各局话务量的历史数据和现状数据时,为了将其总发话话务量的预测值分配到各局去;
、可采用重力法得到局间话务流量预测值。
根据统计分析得出,两局间的话务流量与两交换局的用户数或入口数的乘积成正比,而与距离的k次方成反比,其计算公式为:
为i局到j局的话务流量;
为i局预测的发话话务量:
为i局到j局的距离;
分别为i局,j局服务区域内预测的用户数或人口数,或为i局和j局的交换局容量。
K值的选取应根据具体情况如两局服务区域之间的经济、政治联系等综合因素来选取,一般取k为1、2或1/2。
重力法适于话务量变化较大的本地话务或长途话务预测。
(41)类比法
对于时间跨度很大,或者没有历史数据可言的全新业务而言,采用前述的方法进行预测
难度很大。
这时采用类比法来进行预测,可以取得较好的效果。
类比法认为;
同类型的业务
在大体类似的条件下,其发展过程总体上是相似的。
因此,相对落后的地区就可以从先进地
区的发展经历中取得参考数据。
在此基础上,根据地区特性对其进行修正,便可以得到相对
准确的预测值。
(5)在长话流量预测中的改进双因素法
前面讨论的双因子平衡流量预测方法、,既可用于市话局间话务流量的预测,也可用于长途的业务流量预测,在这种预测中,可以全国长话流量流向的三天调查资料为基础,预测规划期的流量流向。
实际工程中应用双因子平衡法进行长话流量流向预测,发现存在收敛问题、零增长问题、
平衡问题等三个问题。
收敛问题是双因子平衡法中最大的问题,在实际中,长话流量流向矩阵中零元素一般可
达50%,甚至更高。
此外,长话预测矩阵的点远远多于市话预测,省内网点大多数都在100
点以上,点间话务量极不平衡,这些因素都可导致算法不收敛。
当基年话务矩阵中存在零元素时;
不管实际增长率多高,双因子平衡法调整后它仍然为
零,这也是算法自身的弱点,也就是其零增长问题。
客观地说厂网中各局的发展是不平衡的,而双因子平衡法的机制是使熵最小,因此,从
总体上讲它有压抑发展不平衡的倾向。
从另一角度来看,若预测数据总的来流量与总的去流
量很不平衡,同时基础矩阵中某
与
也很不平衡,则在双因子平衡法调整中会出现“引
力效应”,使得
变得更加不平衡,而且还会影响它们附近的元素。
由于矩阵中存在大量的零元素,双因子平衡法不能保证收敛。
此外,采用整型数组存放
{
},在利用计算机的算法调整过程中,存在着大量整数-实数-整数的变换过程。
这一过程可能使某些小的话务量在调整过程中变为零,在最坏的情况下将导致某行或某列全为零,
从而使算法失效。
当然,采用实型数组可以减轻这一问题,但正如前述,它将大大减少软件最大允许的点数,从而降低实用性。
110
3.2.4预测结果的改进
预测实际上是采用科学手段进行的推测,它的准确性是或然的,而不是必然的。
不同的
预测方法,其出发点、侧重点都有所不同,预测结果往往也会有一定的差异。
因此,如果随
便采用一种预测方法后就用于规划建设,无疑会带来的很大的风险。
要获得可靠的预测结果,
就必须同时采用多种方法进行计算,并对各种方法计算得出的结果进行分析比较,去除不合
理的成分,最后才能获得相对准确的预测结果。
1.有关预测计算的条件要求及结果的准确性与合理性
(1)有关预测计算的条件要求
单从线性回归分析的方法看;
计算的样本数量n越多、预测未来的年数越短,则预测结
果的精度越高。
可以从理论上定量地进行推算。
首先给出置信度,然后利用显著性检验方法,求出置信区间。
当然,也可以在给定置信度情况下,对于要求的置信区间反求样本数量,以
确定需要的采样数据量。
在进行理论分析中有几个问题应特别注意。
1理置信度的确定
电信预测涉及的X围很广,依赖的因素很多,特别是牵涉到许多社会因素,因此就不可
能像在自然科学研究中那样,使用高达90%以上的置信度。
②合理的样本数的确定
电信统计所能得到的数据都不可能严格满足数理统计的要求,例如,平稳特性、各态历
经性等都难以满足,因此,无限追溯过去就显得没有意义。
建议采用近10年的历史基础数据,去预测紧接着未来10年以内的X围为最大限度。
③异常数据的取舍
历史土的数据在正常情况都会处在一个合理的X围,这也就是所谓“模板”的概念。
然而出现异常数据也是有可能的;
此时应认真分析其可能性和合理性。
但是如果最后都提不
出合乎情理的理由来解释异常数据的原因,则应舍弃该项数据。
(2)预测的准确性与合理性
作为电信业务预测的原始数据均来源于社会,受多种社会活动因素影响使预测带有不确
定性,时间跨度越大、社会的变动因素越多,数据的可用性就越低。
由于上述种种因素,使得作为预测基础的数据难以满足数理统计中对数据的要求条件,因此一般只能取10个点以内。
即使总体预测相当准确,但个别地区仍会有较大偏差七。
因此仍应按后续讨论的方法进行修正与审定。
准确性也依赖于资料来源的充分可靠、数据口径的统一及预测人员的经验和判断。
按照国外流行的衡量标准,作为对高风险技术和涉及到社会现象的估计,:
达到概率意义的精度就应该算是合理的精度。
所谓概率意义下的精度,就是:
为简单起见,一般取达到的
精度X围,应该就算是合理的精度。
2.预测的修正
为了改进预测结果的精度,需要进行预测的修正。
修正工作可从两个方面着手,即预测
环境的修正和预测模型的修正。
(1)预测环境的修正
预测环境的修正包括将处于经济高速增长期的修正、电信客观环境的修正和电信运营状
况的修正,等三个方面。
①处于经济高速增长期的修正
当处于经济高速增长期间,应密切注意使电信的增长率与经济的增长率保持一个恰当的
比例。
在这方面,改革开放后的珠江三角洲地区体现得尤其明显。
2信客观环境的修正
电信客观环境的修正,应该认真地考察以下的方方面面:
●局房、管线环境,未来可扩容的能力;
●机、线和其他设备的配套和协调状况;
●传输条件是否良好,是否是具备双路由的安全网络;
●网络经受异常环境和条件的能力,即西方经常研究的鲁棒性(robustness)。
相应的修正方法可以采用下面所说的跳变系数或高速增长斜率等方法。
电信运营状况的修正
③电信运营状况的修正包括:
●服务质量与水平;
●资费确定是否合理,能否为当地多数用户所接受;
●开展的业务定位是否合适,能否适销对路;
●电信部门的宣传推动和引导消费的成效等。
修正的方法:
可以对电信运营状况进行评级,每千级定出相应的跳变系数,然后分别乘
以不同的跳变系数进行修正。
(2)预测模型的修正
预测模型的修正可以有跳变系数修正、预测模型斜率的修正、预测模型截距的修正和对
饱和程度的修正等。
1跳变系数修正
在历史发展的某些时间或从某个时刻起,相应的数据应增加上个跳变量,或者乘以一个跳变系数,然后拿这些经过修正的数据作为原始数据作下一步的分析处理,比如回归分析等。
属于需要引入跳变系数修正的类型例如有:
出现大规模新用户群、资费下调、电信宣传推动工作成效等。
2预测模型斜率的修正
当某些因素有可能影响到预测模型的增长斜率趋势时,则应进行斜率的修正。
例如IYU-T的主线普及率与人均GDP关系曲线,随着时间的推移、通信手段的丰富(如移动手机的普及)、是否接近饱和区等,其曲线的斜率将会变得较平坦些,这时就应作斜率的修正。
③预测模型截距的修正
随着电信部门的设备更趋完善、机线更加配套,业务定位更适合当地要求,将会使得S
112-
形增长模型向更高处移动,这时应进行预测模型截距的修正。
④饱和程度的修正
随着城镇地位的改变,固定和移动应用的不同,人们对第二的需求,对上
网的需求等等,都会对饱和程度有一定的影响,应对饱和因子S进行相应的修正。
3.电信规划预测中结果的改进及审定
(1)同时运用两种或两种以上模型进行预测和比较
电信预测中,不同的电信量其重要性是不同的。
因此,应对那些重要的量进行重点的预
测,为此提出如下建议:
①固定主线普及率、移动普及率和数据用户普及率可以作为规划预测的基础
预测量,进行直接预测。
②具有基础性的直接预测的业务量,原则上应同时运用两种或两种以上的方法进行预
测。
③最好应能够提出低方案、中方案和高方案三套预测方案。
④将每个主要预测结果与经济水平相接近的同级别地区进行比较,以确定其合理性和
可信度。
间接的或派生的预测,其关键是选择合理的比例系数,应参照其他同级别地区的数
据和专家的意见综合分析后制定。
(2)宏观预测与微观预测的协调
①一地区的预测步骤可以采用自上而下或者自下而上两种方式,前者是先作宏观预测,
然后进行子地区的指标分解;
后者是先作子地区的微观预测,然后合成为全地区的宏观数据。
②数学处理的角度看,先作微观预测,然后作宏观预测会比较容易和方便。
③无论采用自上而下或是采用自,下而上的步骤,宏观预测和微观预测的结果都必须协
调一致。
因此,一般的过程可以采用先微观,后宏观,然后以所得的宏观数据进行横向对比,
发现问题后修正宏观数据,然后把这个宏观数据进行微观分解,如此反复,直到满意为止。
(3)“电信规划模板”的概念
任何地区,由于电信预测的各项指标之间,以及这些指标与人口和经济发展等基础数据
之间,都必须保持在一个合适的比例X围内,因此,可以建立起一套“模板”,即每种数据都应该处在一个正常而又合理的X围,用这样的“模板”来检验每个地区规划结果的合理性。
这就是“电信规划模板”的概念。
这里提出的X围是指一般情况而言。
超出X围也是有可能
的,但必须提出充足的理由。
如果任何理由都拿不出来,则应认为所预测的结果是不合理的,
应予以舍弃和重新预测。