[发明专利]预测LTE网络性能指标的新型回归系统

说明书

本发明提供一种预测LTE网络性能指标的新型回归系统，包括聚类模块、回归模块、选择模块、预测模块，先对小区进行聚类，聚类后得到k个集群；准备回归数据后，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；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；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；该方法，在考虑到每个小区差异性的前提下，不仅可以获取每个网络小区在移动通信中的网络资源消耗情况，还可以通过选择回归算法来预测LTE KPI指标的未来趋势。

技术领域

本发明涉及一种预测LTE网络性能指标的新型回归系统。

背景技术

随着LTE网络飞速发展，人们所创造的网络数据呈现几何倍数增加。以数据为基础的消费服务方式也变得更加多样化，如网络浏览，视频通信或流媒体，以及智能的终端普及等。然而，由于受限于网络容量的基础设施部署以及人们过度消耗的网络资源，导致网络的可访问性也在进一步恶化。因此移动运营商必需合理规划网络容量。考虑到网络基础设施投入成本大，网络容量亦不可无限放大，为了避免网络过载现象，网络容量局部部署必须可控。因此，利用大数据预测方式对移动运营商收集的大量数据进行网络容量评估已经成为最经济、最有效方法，其目的就是为用户评估和预测LTE的网络性能。该方法可识别出可网络性能不足的区域，以便集中投入建设，有的放矢。

随着移动通信技术不断发展，通信技术向LTE的过渡将追随UMTS的步伐。在接下来的几年中，正如从2G过渡到3G，3G到4G的过渡也将会全面实现。因此，为了应对这种变化，移动运营商深切考虑4G业务潜在的需求。预测LTE KPI、评估LTE访问性能是目前的主要挑战，其中关键的需求是执行多种功能的预测，以便适应特定的或新的行为。例如，一些网络小区可能承载着比其他小区更高的负荷，或不同于其他小区的服务行为。另一个需求是收集足够的数据，为了有效获取更多的数据，需要使用复杂的算法，进行更准确地预测。因此，整合可用的数据，开发出一种新的预测方法，以满足运营商对网络规划的迫切需要。

规划网络容量的传统方法是仅仅考虑一个小区网络容量的规划。对于每个小区来说，用户数量和网络资源是可以独立考虑和研究的。因此，大数据分析可被用于处理无线网络的可测量数据，以揭示数据背后的移动网络资源的使用情况。这些大数据算法需要大量的可信数据，才能可靠地反映当前网络的真实使用情况，且数据量越大，算法的精度越高。

将所有小区数据聚集在一起是增加数据量的一种方法。然而，当聚集所有的小区数据时，却缺失了小区间的不同行为。例如，有些小区位于用户密集的区域，而其他小区可能存在于用户稀疏的区域。另外，某些小区的用户可能比其他小区更关注一些基于数据的服务，例如查询电子邮件，浏览网页，流媒体音乐或电影，使用宽带电话或视频通话等。因此，将所有的小区集中在一起后做数据的平均会导致测量数据出现信息匮乏现象。

发明内容

本发明的目的是提供一种预测LTE网络性能指标的新型回归系统以解决现有技术中存在的当合并所有的小区数据时，却丢失了小区间的差异性，将所有的小区集中在一起后做数据的平均会导致测量数据出现信息匮乏现象等问题。

本发明的技术解决方案是：

一种预测LTE网络性能指标的新型回归系统，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。