[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)容量預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201811308822.0
• 申請日: 2018-11-05
• 公開（公告）號: CN109462853B
• 公開（公告）日: 2022-01-14
• 發(fā)明（設(shè)計(jì)）人: 陳祥;趙清;張國華;成純松;陳歡;張順
• 申請（專利權(quán)）人: 武漢虹信技術(shù)服務(wù)有限責(zé)任公司
• 主分類號: H04W16/18
• 分類號: H04W16/18;H04W24/06
• 代理公司: 武漢東喻專利代理事務(wù)所(普通合伙) 42224
• 代理人: 趙偉

1.一種基于神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)容量預(yù)測方法，其特征在于，包括如下步驟：

(1)根據(jù)預(yù)設(shè)規(guī)則提取小區(qū)原始數(shù)據(jù)；

(2)采用判別函數(shù)根據(jù)小區(qū)原始數(shù)據(jù)獲取小區(qū)分類數(shù)據(jù)，具體所采用的判別函數(shù)為：

其中，D(x)為判別函數(shù)，N＝3，x_i、θ_i、w_i分別是指PRB利用率、RRC連接平均用戶數(shù)、小區(qū)吞吐量這三個(gè)變量的指標(biāo)數(shù)值、指標(biāo)門限、運(yùn)算系數(shù)；

當(dāng)x_i-θ_i≥0，d(x_i-θ_i)函數(shù)輸出為1；當(dāng)x_i-θ_i＜0，d(x_i-θ_i)函數(shù)輸出為0；

(3)對小區(qū)分類數(shù)據(jù)進(jìn)行預(yù)處理，獲得神經(jīng)網(wǎng)絡(luò)模型的輸入樣本集；

(4)利用輸入樣本集對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和測試，獲得容量預(yù)測模型；

(5)將擬預(yù)測的小區(qū)數(shù)據(jù)輸入訓(xùn)練好的容量預(yù)測模型，獲得容量預(yù)測結(jié)果。

2.如權(quán)利要求1所述的網(wǎng)絡(luò)容量預(yù)測方法，其特征在于，小區(qū)原始數(shù)據(jù)包括PRB利用率、RRC連接平均用戶數(shù)和/或小區(qū)吞吐量。

3.如權(quán)利要求1或2所述的網(wǎng)絡(luò)容量預(yù)測方法，其特征在于，步驟(2)中利用判別函數(shù)得到計(jì)算值，將計(jì)算值與預(yù)設(shè)判別門限的比對，根據(jù)比對結(jié)果確定小區(qū)網(wǎng)絡(luò)類型。

4.如權(quán)利要求1或2所述的網(wǎng)絡(luò)容量預(yù)測方法，其特征在于，步驟(3)進(jìn)行預(yù)處理的方法，具體如下：

(3.1)將當(dāng)月的同類小區(qū)的數(shù)據(jù)進(jìn)行平均處理，每個(gè)月都得到一個(gè)8*3的矩陣數(shù)據(jù)集合

其中，Avg(P)、Avg(U)、Avg(V)分別代表PRB利用率、RRC連接平均用戶數(shù)、小區(qū)吞吐量進(jìn)行平均處理后的值；m＝1～8；

(3.2)根據(jù)所確定的小區(qū)類別，將每個(gè)月的8*3矩陣數(shù)據(jù)集合重新進(jìn)行劃分，每個(gè)類別得到一個(gè)12*3的矩陣數(shù)據(jù)集合，

其中，n＝1～12；類別是指步驟(2)所確定的小區(qū)類型；每個(gè)類別的12*3矩陣是從所有8*3矩陣中整合得來。

5.如權(quán)利要求1或2所述的網(wǎng)絡(luò)容量預(yù)測方法，其特征在于，步驟(4)具體為：

由并列的、用于滾動(dòng)預(yù)測PRC連接平均用戶數(shù)的第一預(yù)測模塊、用于滾動(dòng)預(yù)測小區(qū)吞吐量的第二預(yù)測模塊、用于滾動(dòng)預(yù)測PRB利用率的第三預(yù)測模塊構(gòu)成初始預(yù)測模型；

初始預(yù)測模型采用BP神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱含層和輸出層，采用網(wǎng)絡(luò)結(jié)構(gòu)增長型方法，先設(shè)置較少的節(jié)點(diǎn)數(shù)，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練并測試學(xué)習(xí)誤差，然后逐漸增加節(jié)點(diǎn)數(shù)，直到學(xué)習(xí)誤差不再明顯減少為止；隱含層的傳遞函數(shù)為Sigmoid函數(shù)，輸出層為線性傳遞函數(shù)；

將上述數(shù)據(jù)樣本集隨機(jī)劃分為訓(xùn)練集(P_tain，T_train)和測試集(P_test，T_test)；訓(xùn)練集樣本數(shù)大于測試集樣本數(shù)；

采用各個(gè)類型所對應(yīng)的數(shù)據(jù)樣本集對所構(gòu)建的容量預(yù)測模型進(jìn)行訓(xùn)練和測試，獲得訓(xùn)練好的容量預(yù)測模型。