[發明專利]一種基于神經網絡模型的網絡容量預測方法

有效

• 申請號: 201811308822.0
• 申請日: 2018-11-05
• 公開（公告）號: CN109462853B
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 陳祥;趙清;張國華;成純松;陳歡;張順
• 申請（專利權）人: 武漢虹信技術服務有限責任公司
• 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所(普通合伙) 42224
• 代理人: 趙偉

本發明屬于無線通信網絡容量預測技術領域，公開了一種基于神經網絡模型的網絡容量預測方法，根據預設的規則提取小區原始數據；采用判別函數根據小區原始數據獲取小區分類數據；對小區分類數據進行預處理，獲得神經網絡模型的輸入樣本集；利用輸入樣本集對神經網絡模型進行訓練和測試，獲得容量預測模型；將擬預測的小區數據輸入訓練好的容量預測模型，獲得容量預測結果；本發明提供的這種網絡容量預測方法，根據類別分類的結果提取小區數據并通過BP神經網絡預測模型可以將同類型小區的發展規律量化并利用小區數據對容量預測模型進行訓練和測試，利用訓練好的容量預測模型實現小區容量的滾動預測；通過提取現網小區數據驗證，驗證結果表明預測所獲得的預測結果與實際容量較為接近，可用于指導網絡規劃或網絡優化。

技術領域

本發明屬于無線通信網絡容量預測技術領域，更具體地，涉及一種基于基于神經網絡模型的網絡容量預測方法。

背景技術

隨著無線通信網絡的大規模發展，已經從對覆蓋的需求轉移到對容量的需求，因此對容量預測技術方面具有迫切的需求，以便有效指導網絡擴容和網優優化的開展。

現有的網絡容量預測方法譬如采用多元非線性回歸函數進行擬合預測，但只能進行整網形式的容量預測，不可以進行小區級別的容量預測；采用常規的函數預測，預測精度不夠高且預測時間周期較短。

而規劃階段的容量預測均是針對全網形式的預測，可以提供全局性的規劃參考，但對于具體小區的容量無法做到有效預測；而在實際應用中若小區容量預測存在偏差，會很大程度上導致用戶感知受損或者盲目的擴容操作。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于神經網絡模型的網絡容量預測方法，先對小區進行分類，再通過BP神經網絡預測模型獲取將同類小區發展規律的量化值，實現小區容量的滾動預測。

為實現上述目的，按照本發明的一個方面，提供了一種基于神經網絡模型的網絡容量預測方法，包括如下步驟：

(1)根據預設的規則提取小區原始數據；

(2)采用判別函數根據小區原始數據獲取小區分類數據；

(3)對小區分類數據進行預處理，獲得神經網絡模型的輸入樣本集；

(4)利用輸入樣本集對神經網絡模型進行訓練和測試，獲得容量預測模型；

(5)將擬預測的小區數據輸入訓練好的容量預測模型，獲得容量預測結果。

優選地，上述基于神經網絡模型的網絡容量預測方法，小區原始數據包括PRB(Physical Resource Block，物理資源塊)利用率、RRC(Radio Resource Control，無線資源控制)連接平均用戶數、小區吞吐量。

優選地，上述基于神經網絡模型的網絡容量預測方法，其步驟(2)具體所采用的判別函數為：

利用判別函數D(x)得到計算值，將計算值與判別門限的比對，確定小區網絡類型；其中N＝3，x_i、θ_i、w_i分別代表PRB利用率、RRC連接平均用戶數、小區吞吐量這三個變量的指標數值、指標門限、運算系數；

當x_i-θ_i≥0，d(x_i-θ_i)函數輸出為1；當x_i-θ_i0，d(x_i-θ_i)函數輸出為0。

優選地，上述基于神經網絡模型的網絡容量預測方法，步驟(3)進行預處理的方法，具體如下：

(3.1)以月份維度，將當月的同類小區的數據進行平均處理，每個月都得到一個8*3的矩陣數據集合