[发明专利]预测LTE网络性能指标的新型回归系统

权利要求书

1.一种预测LTE网络性能指标的新型回归系统，其特征在于，包括：

聚类模块：对小区进行聚类，聚类后得到k个集群；

回归模块：准备回归数据，对每个集群分别执行多种不同的回归算法，并选择每个集群最小误差率的算法为该集群的最优回归算法；

选择模块：通过误差率ER与集群分离度汇总值Sep的结合，得到误差值较低并且分离度较高的最佳集群数k；

预测模块：利用所得最佳集群数k与每个集群的最优回归算法，对小区的网络资源消耗的LTE KPI值进行预测。

2.如权利要求1所述的预测LTE网络性能指标的新型回归系统，其特征在于：在回归模块中，准备回归数据具体过程为，对资源消耗网络特征采用机器学习算法进行筛选，首先，删除非信息特征；其次，通过线性回归的穷举搜索确定若干个LTE KPI相关特征。

3.如权利要求1所述的预测LTE网络性能指标的新型回归系统，其特征在于：在回归模块中，将资源消耗网络特征进行筛选后得到的特征变量数据集分为训练集与测试集。

4.如权利要求1-3任一项所述的预测LTE网络性能指标的新型回归系统，其特征在于：在回归模块中，执行多种不同的回归算法，包括广义可加模型GAM、梯度升压法GBM、神经网络方法和多元自适应回归样条法MARS。

5.如权利要求4所述的预测LTE网络性能指标的新型回归系统，其特征在于：在回归模块中，选择集群的最优回归算法具体为，

选择测试集，并计算该测试集的不同回归预测的误差率ER，误差率ER由式(3)得出，选择误差率ER最低的回归算法；

式(3)中，(y₁)代表测试集LTE KPI的真实数据，为在测试集上对消耗的网络特征KPI的回归预测。