[發明專利]基于隨機森林的MR覆蓋率影響因素判定方法

在審

• 申請號: 201810711159.2
• 申請日: 2018-07-03
• 公開（公告）號: CN109086964A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 范山崗;田夢倩;陸怡琪;朱穎;熊健;楊潔;桂冠
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/30;G06N99/00
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 朱妃;董建林

本發明公開了一種基于隨機森林的MR覆蓋率影響因素判定方法，包括步驟：選取若干個影響MR覆蓋率的相關維度；對維度數據進行清洗，得到清洗后的相關維度；抽取維度數據作為訓練樣本，剩余的維度數據作為測試樣本；以清洗后的相關維度作為特征，根據訓練樣本來訓練隨機森林模型；將測試樣本輸入隨機森林模型得到輸出準確率；調整隨機森林模型的參數，直至當輸出準確率大于設定閾值，則將該隨機森林模型作為MR覆蓋率影響因素判定模型；計算每個影響MR覆蓋率的相關維度的影響度；根據影響度，對若干個影響MR覆蓋率的相關維度進行排序；利用MR覆蓋率影響因素判定模型定位MR覆蓋率的影響因素，清晰劣化根因。本方法精確度高，穩定性強。

技術領域

本發明涉及一種影響因素判定方法，特別是涉及一種基于隨機森林的MR覆蓋率影響因素判定方法，屬于大數據處理和機器學習技術領域。

背景技術

MR覆蓋率是移動通信網絡運營管理中需要關注的一些重點KPI(Key PerformanceIndicators關鍵績效指標)，除了日常維護之外，運營商希望能夠知道影響MR覆蓋率的因素，獲得MR覆蓋率和網絡之間的關聯，方便后期網優任務分配及保障；所以需要從網絡運行過程中挖掘出影響MR覆蓋率的因素，即相關維度。

目前，計算MR覆蓋率與各維度之間相關性的方法有很多種，但很多是計算兩者之間的線性相關性，準確度不夠；部分方法能夠計算非線性相關性，但是其準確率無法判斷，因此，在應用過程中，其有效性依然存在疑問。

發明內容

本發明的主要目的在于，克服現有技術中的不足，提供一種基于隨機森林的MR覆蓋率影響因素判定方法，實現準確、穩定地定位出主要的MR覆蓋率的影響因素，清晰劣化根因。

為了達到上述目的，本發明所采用的技術方案是：

一種基于隨機森林的MR覆蓋率影響因素判定方法，包括以下步驟：

1)選取若干個影響MR覆蓋率的相關維度；

2)對每個影響MR覆蓋率的相關維度的維度數據進行清洗，形成相關維度數據集，并得到清洗后的相關維度；

3)從相關維度數據集中抽取維度數據作為訓練樣本，將相關維度數據集中剩余的維度數據作為測試樣本；

4)以清洗后的相關維度作為特征，根據訓練樣本來訓練隨機森林模型；

5)將測試樣本輸入隨機森林模型，得到輸出準確率；

6)調整隨機森林模型的參數，直至當輸出準確率大于設定閾值，則將該輸出準確率時的隨機森林模型作為MR覆蓋率影響因素判定模型；

7)計算每個影響MR覆蓋率的相關維度的影響度；

8)根據計算所得的影響度，對若干個影響MR覆蓋率的相關維度進行排序；

9)利用MR覆蓋率影響因素判定模型定位MR覆蓋率的影響因素，清晰劣化根因。

本發明進一步設置為：所述步驟1)中的若干個影響MR覆蓋率的相關維度包括工作頻段、載頻數量、覆蓋類型、經度、緯度、最大發射功率、弱覆蓋采樣點數、總采樣點數、弱覆蓋率采樣點比例、中心載頻的信道號、是否為上行干擾小區、是否為上行弱覆蓋小區、是否過覆蓋小區、站高、小區個體偏移量、頻段指示、電子下傾角、機械下傾角、方位角、天線掛高和設備類型。

本發明進一步設置為：所述步驟2)中的對每個影響MR覆蓋率的相關維度的維度數據進行清洗，包括維度數據整理和維度名稱整理。

本發明進一步設置為：所述維度數據整理，具體為，

刪除缺失值超過50％的維度；滿足判定需求但存在缺失值的維度，將缺失值用平均值填充；由于機器故障或者人為操作造成的異于正常范圍的數據為異常值，當檢測出異常值后，將該異常值刪除，再用平均值填充。