本申请涉及人工智能，尤其涉及一种基站业务量预测方法、装置、存储介质及计算机程序产品。
背景技术：
1、第五代移动通信技术(5th generation mobile communication technology，5g)基站未来的业务量预测属于时间序列预测任务，使用到的预测模型主要分为三大类，分别是传统的数据统计方法、机器学习方法和深度神经网络模型。
2、然而，目前的用于预测业务量的模型通常仅单纯考虑时间业务量数据，业务量预测的有效性和准确性不足。
技术实现思路
1、本申请提供一种基站业务量预测方法、装置、存储介质及计算机程序产品，针对目标基站同时考虑了时间维度和空间维度上的特性以进行业务量预测，提高了业务量预测的有效性和准确性。
2、本申请的技术方案是这样实现的：
3、本申请提供了一种基站业务量预测方法，包括：
4、s101、利用第一预测模型，基于目标基站的历史业务量序列在时间域上对所述目标基站进行业务量预测，得到第一预测结果；
5、s102、基于基站集群中基站间的关联关系，构建所述基站集群的邻接矩阵；其中，所述基站集群包括所述目标基站；
6、s103、利用第二预测模型，基于所述历史业务量序列和所述邻接矩阵在空间域上对所述目标基站进行业务量预测，得到第二预测结果；
7、s104、将所述第一预测结果和所述第二预测结果融合，得到所述目标基站的业务量预测结果。
8、在上述方法中，所述步骤s101包括：
9、获取所述目标基站的业务量周期项函数；其中，所述业务量周期项函数用于表征所述目标基站的业务量随时间的周期性变化情况；
10、将所述历史业务量序列和所述业务量周期项函数融合后输入所述第一预测模型；
11、通过所述第一预测模型，对输入数据采用自注意力机制进行运算，得到所述第一预测结果。
12、在上述方法中，还包括：
13、利用信息提取模型对所述目标基站的历史业务量数据进行周期信息提取，得到所述目标基站业务量的周期项数值；
14、基于所述周期项数值进行曲线拟合，生成所述业务量周期项函数。
15、在上述方法中，所述步骤s103包括：
16、将所述历史业务量序列和所述邻接矩阵输入所述第二预测模型；
17、通过所述第二预测模型，对输入数据进行图卷积运算，得到所述第二预测结果。
18、在上述方法中，所述步骤s102包括：
19、针对所述基站集群，基于基站间的距离构建第一邻接矩阵，和/或，基于基站所处区域类型构建第二邻接矩阵，和/或，基于基站间业务量的相似性构建第三邻接矩阵；
20、基于构建的一个或者多个邻接矩阵，确定所述基站集群的邻接矩阵。
21、在上述方法中，若构建所述第一邻接矩阵用于确定所述基站集群的邻接矩阵，所述基于基站间的距离构建第一邻接矩阵，包括：
22、计算所述基站集群中不同基站间的距离；
23、针对所述基站集群，将距离小于阈值的两个基站确定为具备相邻关系的基站；
24、基于确定出的基站的相邻关系，构建所述第一邻接矩阵。
25、在上述方法中，若构建所述第二邻接矩阵用于确定所述基站集群的邻接矩阵，所述基于基站所处区域类型构建第二邻接矩阵，包括：
26、将所述基站集群中地理区域类型相同的基站划分至同一基站集合中，得到一个或者多个基站集合；
27、将同一基站集合中的基站确定为具备相邻关系的基站；
28、基于确定出的基站的相邻关系，构建所述第二邻接矩阵。
29、在上述方法中，若构建所述第三邻接矩阵用于确定所述基站集群的邻接矩阵，所述基于基站间业务量的相似性构建第三邻接矩阵，包括：
30、基于所述基站集群中不同基站间业务量的余弦相似度，构建第一子邻接矩阵；
31、和/或，基于所述基站集群中不同基站间业务量的欧式距离，构建第二子邻接矩阵；
32、和/或，基于基站业务量对所述基站集群进行基站聚类，并基于聚类结果构建第三子邻接矩阵；
33、基于构建的一个或者多个子邻接矩阵，确定所述第三邻接矩阵。
34、本申请提供了一种基站业务量预测装置，包括：
35、第一预测模块，用于利用第一预测模型，基于目标基站的历史业务量序列在时间域上对所述目标基站进行业务量预测，得到第一预测结果；
36、第二预测模块，用于基于基站集群中基站间的关联关系，构建所述基站集群的邻接矩阵；其中，所述基站集群包括所述目标基站；利用第二预测模型，基于所述历史业务量序列和所述邻接矩阵在空间域上对所述目标基站进行业务量预测，得到第二预测结果；
37、结果融合模块，用于将所述第一预测结果和所述第二预测结果融合，得到所述目标基站的业务量预测结果。
38、本申请提供了一种基站业务量预测装置，包括：处理器、存储器和通信总线；
39、所述通信总线，用于实现所述处理器和所述存储器之间的通信连接；
40、所述处理器，用于执行所述存储器存储的一个或者多个计算机程序，以实现上述基站业务量预测方法。
41、本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述基站业务量预测方法。
42、本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述基站业务量预测方法。
43、本申请提供了一种基站业务量预测方法、装置、存储介质及计算机程序产品，方法包括：s101、利用第一预测模型，基于目标基站的历史业务量序列在时间域上对目标基站进行业务量预测，得到第一预测结果；s102、基于基站集群中基站间的关联关系，构建基站集群的邻接矩阵；其中，基站集群包括目标基站；s103、利用第二预测模型，基于历史业务量序列和邻接矩阵在空间域上对目标基站进行业务量预测，得到第二预测结果；s104、将第一预测结果和第二预测结果融合，得到目标基站的业务量预测结果。本申请提供的技术方案，针对目标基站同时考虑了时间维度和空间维度上的特性以进行业务量预测，提高了业务量预测的有效性和准确性。
1.一种基站业务量预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤s101包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述步骤s103包括：
5.根据权利要求1所述的方法，其特征在于，所述步骤s102包括：
6.根据权利要求5所述的方法，其特征在于，若构建所述第一邻接矩阵用于确定所述基站集群的邻接矩阵，所述基于基站间的距离构建第一邻接矩阵，包括：
7.根据权利要求5所述的方法，其特征在于，若构建所述第二邻接矩阵用于确定所述基站集群的邻接矩阵，所述基于基站所处区域类型构建第二邻接矩阵，包括：
8.根据权利要求5所述的方法，其特征在于，若构建所述第三邻接矩阵用于确定所述基站集群的邻接矩阵，所述基于基站间业务量的相似性构建第三邻接矩阵，包括：
9.一种基站业务量预测装置，其特征在于，包括：
10.一种基站业务量预测装置，其特征在于，包括：处理器、存储器和通信总线；
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8任一项所述的基站业务量预测方法。
12.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-8任一项所述的基站业务量预测方法。
