[發明專利]一種運用大數據分析的短波通信資源配置智能預測方法

在審

• 申請號: 201811078716.8
• 申請日: 2018-09-17
• 公開（公告）號: CN109409566A
• 公開（公告）日: 2019-03-01
• 發明（設計）人: 王征華;彭茜;鄧小濤;裴小東;張志剛
• 申請（專利權）人: 北京城翌航科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 北京盛凡智榮知識產權代理有限公司 11616
• 代理人: 劉曉暉

本發明公開了一種運用大數據分析的短波通信資源配置智能預測方法，包括短波存量數據、數據清洗、數據除噪(特征值提取)、基于機器學習的算法訓練、短波通信資源配置預測算法引擎，短波通信數據庫、外部數據、累計年數新增數據準備與算法測試驗證，本發明利用大數據技術進行短波通信資源智能配置的優勢，可擬合全球活動區域更復雜、高維的短波通信規律，實現更準確的短波通信資源配置預測。真正實現短波通信資源智能配置。短波通信各要素數據，利用機器學習技術進行全流程、全要素大數據分析，為全球范圍活動下的短波通信提供更智能的通信資源配置預測方案，短波通信大數據分析的目的是能由計算機自動提供短波通信資源配置方案。

技術領域

本發明涉及通信與機器學習技術領域，尤其涉及一種運用大數據分析的短波通信資源配置智能預測方法。

背景技術

目前，傳統短波選頻方法在全球范圍活動通信需求下面臨挑戰，主要有以下方面：傳統計算預報法難以從“理論模型”層面完整模擬全球短波通信更復雜的通信要素影響，因此難以實時準確預測通信效果。傳統探測選頻法難以實現有效的全球覆蓋，對裝備和平臺依賴性較強，無法實現大規模采購和安裝。在全球范圍活動的短波通信實踐中，我們積累了近十年積累的短波通信數據，特別是大量的時空數據(時間、通信位置、通信情況)，沒有做有效利用。總結起來，當前缺乏對短波通信的全要素、全流程、全系統的數據分析，因此無法進行短波通信資源配置預測，以提供輔助決策支撐。

發明內容

為解決背景技術中存在的缺點，提供了一種運用大數據分析的短波通信資源配置智能預測方法，包括短波存量數據、數據清洗、數據除噪(特征值提取)、基于機器學習的算法訓練、短波通信資源配置預測算法引擎，短波通信數據庫、外部數據、累計年數新增數據準備與算法測試驗證，通過輸入現有的所述短波存量數據經數據導入至數據清洗，所述數據清洗解決數據質量問題，大部分通過人工進行的數據整理、修復工作，從而輸出高質量的短波通信數據集，所述數據降噪(特征值提取)是一種將數據從高維空間到低維空間的變換，從而達到降維的目的，所述基于機器學習的算法訓練是基于三、中回歸和分類兩種機器學習算法進行短波通信資源配置的預測分析，所述基于機器學習的算法訓練輸出是短波通信資源配置預測算法引擎，所述短波通信資源配置算法引擎是開發的交付成果，可實現針對短波通信任務需求，自動生成通信資源配置方案，以提供輔助決策服務，所述算法測試驗證檢測和評估預測算法的效果，能獲得經新積累的實戰數據檢驗的達到預期效果的短波通信資源配置預測算法，所述累計年數新增數據準備隨著短波通信任務數據的不斷積累，新增數據集的規模和維度都有可能增加，可以向系統發起算法迭代指令，算法迭代指令會觸發將新累積的數據和外部數據做整合準備，進入下階段數據清洗、特征值提取、基于機器學習生成新的迭代算法，所述累計年數新增數據準備的輸出是算法迭代新積累的高質量數據，并進入新一輪處理流程；

所述數據清洗后依次數據除噪、基于機器學習的算法訓練與短波通信資源配置預測算法引擎后輸出通信資源配置預測方案，所述短波存量數據經數據清洗后依次流向短波通信數據庫與累計年數新增數據準備，所述短波通信數據庫可通過收集新的短波通信任務數據輸入。

對本發明的進一步描述，所述數據清洗包括但不限于數據的完整性，對于非核心維度數據需要補充，核心維度數據缺失視為無效數據條目，予以刪除；數據的唯一性清洗，按規則去重，編寫一系列的規則，對重復情況復雜的數據進行去重，例如不同渠道來的關聯數據，可以通過相同的關鍵信息進行匹配，合并去重；數據的權威性，用最權威的那個渠道的數據，對不同渠道設定權威級別；數據的合法性，設定強制合法規則，凡是不在此規則范圍內的，強制設為最大值，或者判為無效，剔除；數據的一致性，建立統一的數據體系；據格式轉換，將非結構化數據結構化。

對本發明的進一步描述，所述短波通信資源配置預測算法引擎的邏輯流程通過輸入短波通信任務需求，判斷是否為短波通信活動歷史密集區，是則進行分類算法引擎進行預測后輸出通信資源配置預測方案，否則進行回歸算法引擎進行預測后輸出通信資源配置預測方案，整個過程結束。