CN110769454B - 流量预测方法及装置 - Google Patents

Abstract

本发明实施例提供的一种流量预测方法及装置，该方法包括：获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值，根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值，根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值，根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值，实现从市场、自然等多维度因素上考虑，达到对流量有效预测的目的。

Description

流量预测方法及装置

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种流量预测方法及装置。

背景技术

随着4G业务与智能终端的不断普及，转网红利逐渐消失，移动互联网数据业务流量增长的变成以视频、即时通讯、游戏等内容驱动和运营商的优惠资费驱动。现阶段网络流量呈现阶跃式的增长态势，给无线网、传输网、核心网、互联网等各个专业网络保障带来了新的挑战。同时流量经营作为市场提升效益的重要手段将常态化开展，网络所面对的流量暴涨冲击也将是现阶段的常态。

目前的流量预测方法主要针对用户转网后流量拉动或者通过历史流量数据的学习从而对流量未来的总体趋势进行预测。

但其主要针对用户转网行为或者单存依赖历史流量做预测，所考虑的维度有限，难以应对业务模型变化或者突发情况导致的流量暴涨。而对网络造成冲击主要是节假日、突发事件、市场促销等突发事件导致流量暴涨所致。

发明内容

本发明实施例提供一种流量预测方法及装置，用于解决难以应对突发情况导致的流量暴涨的问题。

第一方面，本发明实施例提供一种流量预测方法，包括：

获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，所述市场突发日为在预设历史天数内发生流量暴涨的当日；

根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值；

根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值；

根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值；

根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值。

第二方面，本发明实施例提供一种流量预测装置，包括：

获取模块，用于获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，所述市场突发日为在预设历史天数内发生流量暴涨的当日；

第一预测模块，用于根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值；

第二预测模块，用于根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值；

第三预测模块，用于根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值；

总预测模块，用于根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值。

第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序；

其中，所述处理器，存储器通过所述总线完成相互间的通信；

所述处理器执行所述计算机程序时实现如上述的方法。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如上述的方法。

由上述技术方案可知，本发明实施例提供的一种流量预测方法及装置，通过获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值，根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值，根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值，根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值，实现从市场、自然等多维度因素上考虑，达到对流量有效预测的目的。

附图说明

图1为本发明一实施例提供的流量预测方法的流程示意图；

图2为本发明一实施例提供的预测自然增长分量值的获取流程示意图；

图3为本发明一实施例提供的自然突发分量值的获取流程示意图；

图4为本发明一实施例提供的预测自然突发分量值的获取流程示意图；

图5为本发明一实施例提供的预测市场突发分量值的获取流程示意图；

图6为本发明一实施例提供的流量预测装置的结构示意图；

图7为本发明一实施例提供的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1示出了本发明一实施例提供的一种流量预测方法，包括：

S11、获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，所述市场突发日为在预设历史天数内发生流量暴涨的当日；

S12、根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值；

S13、根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值；

S14、根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值；

S15、根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值。

针对上述步骤S11，需要说明的是，在本发明实施例中，用户每日使用的流量均会通过监测得到并存储在历史记录中。故可以获取到预设历史天数内每日的总流量值。由于本发明所述方式是预测未来每日的流量值，因此，在本发明实施例中预设历史天数可以是从当日起向前倒数预设数目的天数。

由于在预设历史天数内，可能会存在某些日子是节假日、发生突发事件和/或流量促销活动等情形，因此，可从历史记录中获取到市场突发日的市场突发分量值。所述市场突发日为在预设历史天数内发生流量暴涨的当日，在本实施例中，流量暴涨是因家假日、流量促销活动引起的流量高于日常均值预设比例的情况。另外，需要说明的是，非市场突发日的市场突发分量值为零。

例如，某一省2017年1-5月份每日的总流量值，即总流量值序列Q＝{q₁，q₂，…，q₁₅₁}，q₁，q₂，…，q₁₅₁分别为每日的总流量值。

例如，在2017年1-5月份中，母亲节有流量促销活动，此时可以得到市场突发分量值序列A＝{a₁，a₂，…，a₁₅₁}，a₁，a₂，…，a₁₅₁为每日的市场突发分量值。

针对步骤S12，需要说明的是，在本发明实施例中，如图2所示，根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值，具体包括：

S121、根据所述总流量值和所述市场突发分量值获得每日的自然突发分量值；

S122、根据所述总流量值、所述市场突发分量值和所述自然突发分量值获得每日的自然增长分量值；

S123、根据所述自然增长分量值和预设的自回归滑动平均模型获得与预设历史天数相等天数的预测自然增长分量值。

针对步骤S121，需要说明的是，如图3所示，所述根据所述总流量值和所述市场突发分量值获得每日的自然突发分量值，包括：

S1211、根据所述总流量值和所述市场突发分量值获得每日的基础流量值；

S1212、对预设历史天数按预设分类类型均匀划分时间段，根据所述基础流量值获得每个时间段内的流量均值；

S1213、获得每个时间段内每日的基础流量值与对应的流量均值之间的差值，根据差值与预设阈值门限的比较结果确定每个时间段的自然突发日；

S1214、获取每个自然突发日在对应时间段内的时间序号，获得各个时间序号在所有时间段内出现的概率值，根据概率值与预设概率阈值的比较结果确定周期突发日；

S1215、获得每个周期突发日的基础流量值与对应的流量均值之间的差值；

S1216、根据所述差值获得每日的自然突发分量值。

针对上述步骤S1211-步骤S1216，需要说明的是，所述基础流量值为预设历史天数内不存在流量暴涨时每日的流量值。通过总流量值序列Q与市场突发分量值序列A进行数值相减得到基础流量值序列P＝{p₁，p₂，…，p₁₅₁}，p₁，p₂，…，p₁₅₁分别为每日的基础流量值。

在本发明实施例中，预设分类类型可包括周、月以及预设的固定天数。将预设历史天数按预设分类类型均匀划分时间段，根据所述基础流量值获得每个时间段内的每日的流量均值。如遇到不能均分时，可使最后一个时间段的天数多于均分天数。划分时间段后，可求得每个时间段内的流量均值。

选取其中的一个时间段作为目标时间段，获得该时间段内每日的基础流量值与对应的流量均值之间的差值，根据差值与预设阈值门限的比较结果确定每个时间段的自然突发日。即：当该时间段内的某一日对应的差值大于或等于阈值门限时，可确定该日为该时间段的自然突发日。如按周进行划分时间段，当周一和周三的差值满足阈值条件，则周一和周三可视为该时间段的自然突发日。通过上述方式可以得到每一个时间段内的自然突发日。

获取每个时间段内的自然突发日后，确定这些自然突发日在这些时间段中是否存在突发规律。为此，需获取每个自然突发日在对应时间段内的时间序号。如按周进行划分时间段，则周一到周日的时间序号分别为1-7。

计算各个时间序号在所有时间段内出现的概率值。如当每个时间段均出现周一，则可以得出周一为自然突发日的概率值为100％，当10个时间段内有7个时间段内出现了周三，则可以得出周三为自然突发日的概率为70％。

然后，根据概率值与预设概率阈值的比较结果确定周期突发日。即：当概率值满足阈值条件，则确定某个自然突发日为周期突发日。例如周三是周期突发日，则在未来的每周时间段内，周三可按突发日进行流量预测。

确定周期突发日后，获得每个周期突发日的基础流量值与对应的流量均值之间的差值，根据所述差值获得每日的自然突发分量值。需要说明的是，不是周期突发日的自然突发分量值为零。以2017年1-5月份为例，自然突发分量值序列B＝{b₁，b₂，…，b₁₅₁}，b₁，b₂，…，b₁₅₁b₁，b₂，…，b₁₅₁分别为自然突发分量值。

针对步骤S122和步骤S123，需要说明的是，在本发明实施例中，根据所述总流量值、所述市场突发分量值和所述自然突发分量值获得每日的自然增长分量值。即：总流量值序列Q减去市场突发分量值序列A，再减去自然突发分量值序列B得到自然增长分量值序列C＝{c₁，c₂，…，c₁₅₁}，c₁，c₂，…，c₁₅₁分别为自然增长分量值。

根据所述自然增长分量值和预设的自回归滑动平均模型获得与预设历史天数相等天数的预测自然增长分量值。

需要说明的是，自回归滑动平均模型(ARMA模型)是研究时间序列的重要方法，由自回归模型(简称AR模型)与滑动平均模型(简称MA模型)为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。因此，可采用自回归滑动平均模型(ARMA模型)对自然增长分量值进行预测，得到每日的预测自然增长分量值。

得到预测自然增长分量值后，会得到未来与预设历史天数相等天数的预测自然增长分量值。

针对步骤S13，需要说明的是，如图4所示，根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值，具体包括：

S131、根据每个时间段内周期突发日对应的自然突发分量值和自然增长分量值获得对应的突发因子；

S132、根据所述突发因子和所述预测自然增长分量值获得预测自然突发分量值。

在本发明实施例中，根据每个时间段内周期突发日对应的自然突发分量值和自然增长分量值获得对应的突发因子，根据所述突发因子和所述预测自然增长分量值获得预测自然突发分量值。

例如，预设历史天数被划分为七个时间段(以周为单位进行划分)，第一个时间段内的周一为周期突发日，则周一对应的自然突发分量值和自然增长分量值采用以下计算公式可得到对应的突发因子。

σ_t＝(B_i/C_i)·f(t)

其中，

其中，B_i和C_i分别为在周期时间段内第i个周期突发点对应的自然突发分量值和自然增长分量值。T为周期。

需要说明的是，由于f(t)在其他情况下为零，故可以对整个自然突发分量值序列和自然增长分量值序列按公式计算。

针对步骤S14，需要说明的是，如图5所示，根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值，包括：

S141、根据所述市场突发分量值和预设的梯度上升决策树模型获得在预设流量增长影响指标下的自变量特征序列，所述自变量特征序列中的特征值数量与预设历史天数数量相等；

S142、根据所述自变量特征序列和预设的网络模型获得与预设历史天数相等天数的预测市场突发分量值。

在本发明实施例中，根据所述市场突发分量值和预设的梯度上升决策树模型获得在预设流量增长影响指标下的自变量特征序列，所述自变量特征序列中的特征值数量与预设历史天数数量相等；根据所述自变量特征序列和预设的网络模型获得与预设历史天数相等天数的预测市场突发分量值。

具体解释说明如下：

获取预设历史天数内的M组流量增长影响指标相关数列，如R_i＝{R_i1，R_i2，…，R_i151}，上述M代表流量增长影响指标，上述i代表第i种影响指标。通常M包含总用户数，视频总流量，视频总用户数，网页流量，网页用户数，IM流量，IM用户数，终端品牌占比，套餐用户总流量，套餐投放用户数，套餐包大小，星用级户占比。

将所述市场突发分量值序列A作为目标(因变量)，每一组流量增长指标数列作为属性(自变量)，建立梯度上升决策树模型。通过熵值计算输入的每个自变量特征(以第k个特征为例，则其自变量特征为R_i＝{R_i1，R_i2，…，R_i151}，其为对市场突发分量值序列A影响的重要性系数，并选取重要性系数排在TOP(151)的特征值，剔除排名靠后的自变量，在满足预测精度的需求，达到降维的效果，提升算法效率。

根据重要性系数排在TOP(151)的特征值作为输入，以市场突发分量作为输出，构建神经网络，该神经网络的输入层的节点数为N，输出层的节点数为1。根据经验和多次实验来确定。隐层神经元个数满足经验公式：

其中，l代表隐含层的神经元个数，n为输入层神经元个数，m为输出层神经元个数，a为[1,10]之间的常数。同时设定网络迭代次数epochs为5000次，期望误差goal为0.00000001,学习速率lr为0.01，得到神经网络模型，并将特征值输入网络后得到预测市场突发分量值序列Z。

上述无论是梯度上升决策树模型还是网络模型均是属于现有成熟技术，在此不再赘述。该梯度上升决策树模型和网络模型在本方案所属领域的参数信息下进行建立。

根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值求和获得与预设历史天数相等天数的总预测流量值。并且，利用该总预测流量值对流量进行预测。

本发明实施例提供的一种流量预测方法，通过获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值，根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值，根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值，根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值，实现从市场、自然等多维度因素上考虑，达到对流量有效预测的目的。

图6示出了本发明一实施例提供的一种流量预测装置，包括获取模块21、第一预测模块22、第二预测模块23、第三预测模块24和总预测模块25，其中：

获取模块21，用于获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，所述市场突发日为在预设历史天数内发生流量暴涨的当日；

第一预测模块22，用于根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值；

第二预测模块23，用于根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值；

第三预测模块24，用于根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值；

总预测模块25，用于根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值。

由于本发明实施例所述装置与上述实施例所述方法的原理相同，对于更加详细的解释内容在此不再赘述。

需要说明的是，本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。

本发明实施例提供的一种流量预测装置，通过获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值，根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值，根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值，根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值，实现从市场、自然等多维度因素上考虑，达到对流量有效预测的目的。

图7示出了本发明实施例提供一种电子设备，包括：处理器31、存储器32、总线33及存储在存储器上并可在处理器上运行的计算机程序；

其中，所述处理器，存储器通过所述总线完成相互间的通信；

所述处理器执行所述计算机程序时实现如上述的方法，例如包括：获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，所述市场突发日为在预设历史天数内发生流量暴涨的当日；根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值；根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值；根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值；根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值。

本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如上述的方法，例如包括：获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，所述市场突发日为在预设历史天数内发生流量暴涨的当日；根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值；根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值；根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值；根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

本领域普通技术人员可以理解：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (6)

1.一种流量预测方法，其特征在于，包括：

获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，所述市场突发日为在预设历史天数内发生流量暴涨的当日；

根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值；

根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值；

根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值；

根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值；

其中，所述根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值，包括：

根据所述总流量值和所述市场突发分量值获得每日的自然突发分量值；

根据所述总流量值、所述市场突发分量值和所述自然突发分量值获得每日的自然增长分量值；

根据所述自然增长分量值和预设的自回归滑动平均模型获得与预设历史天数相等天数的预测自然增长分量值；

其中，所述根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值，包括：

根据每个时间段内周期突发日对应的自然突发分量值和自然增长分量值获得对应的突发因子；

根据所述突发因子和所述预测自然增长分量值获得预测自然突发分量值；

其中，根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值，包括：

根据所述市场突发分量值和预设的梯度上升决策树模型获得在预设流量增长影响指标下的自变量特征序列，所述自变量特征序列中的特征值数量与预设历史天数数量相等；

根据所述自变量特征序列和预设的网络模型获得与预设历史天数相等天数的预测市场突发分量值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述总流量值和所述市场突发分量值获得每日的自然突发分量值，包括：

根据所述总流量值和所述市场突发分量值获得每日的基础流量值；

对预设历史天数按预设分类类型均匀划分时间段，根据所述基础流量值获得每个时间段内的流量均值；

获得每个时间段内每日的基础流量值与对应的流量均值之间的差值，根据差值与预设阈值门限的比较结果确定每个时间段的自然突发日；

获取每个自然突发日在对应时间段内的时间序号，获得各个时间序号在所有时间段内出现的概率值，根据概率值与预设概率阈值的比较结果确定周期突发日；

根据每个周期突发日的基础流量值与对应的流量均值之间的差值，获得每日的自然突发分量值。

3.一种流量预测装置，其特征在于，包括：

获取模块，用于获取预设历史天数内每日内用户使用的总流量值，以及市场突发日内的市场突发分量值，所述市场突发日为在预设历史天数内发生流量暴涨的当日；

第一预测模块，用于根据所述总流量值和所述市场突发分量值获得与预设历史天数相等天数的预测自然增长分量值，具体包括：根据所述总流量值和所述市场突发分量值获得每日的自然突发分量值；根据所述总流量值、所述市场突发分量值和所述自然突发分量值获得每日的自然增长分量值；根据所述自然增长分量值和预设的自回归滑动平均模型获得与预设历史天数相等天数的预测自然增长分量值；

第二预测模块，用于根据所述总流量值、所述市场突发分量值和所述预测自然增长分量值获得预测自然突发分量值，具体包括：根据每个时间段内周期突发日对应的自然突发分量值和自然增长分量值获得对应的突发因子；根据所述突发因子和所述预测自然增长分量值获得预测自然突发分量值；

第三预测模块，用于根据所述市场突发分量值获得与预设历史天数相等天数的预测市场突发分量值，具体包括：根据所述市场突发分量值和预设的梯度上升决策树模型获得在预设流量增长影响指标下的自变量特征序列，所述自变量特征序列中的特征值数量与预设历史天数数量相等；根据所述自变量特征序列和预设的网络模型获得与预设历史天数相等天数的预测市场突发分量值；

总预测模块，用于根据预测自然增长分量值、预测自然突发分量值和预测市场突发分量值获得与预设历史天数相等天数的总预测流量值。

4.根据权利要求3所述的装置，其特征在于，所述第一预测模块具体用于：

根据所述总流量值和所述市场突发分量值获得每日的基础流量值；

对预设历史天数按预设分类类型均匀划分时间段，根据所述基础流量值获得每个时间段内的流量均值；

获得每个时间段内每日的基础流量值与对应的流量均值之间的差值，根据差值与预设阈值门限的比较结果确定每个时间段的自然突发日；

获取每个自然突发日在对应时间段内的时间序号，获得各个时间序号在所有时间段内出现的概率值，根据概率值与预设概率阈值的比较结果确定周期突发日；

根据每个周期突发日的基础流量值与对应的流量均值之间的差值；

根据所述差值获得每日的自然突发分量值。

5.一种电子设备，其特征在于，包括：处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序；

其中，所述处理器，存储器通过所述总线完成相互间的通信；

所述处理器执行所述计算机程序时实现如权利要求1-2中任一项所述的方法。

6.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1-2中任一项所述的方法。

Images