[发明专利]基于深度学习的基站负荷预警方法及装置

说明书

本发明提供一种基于深度学习的基站负荷预警方法及装置，所述方法包括：将获取到的历史指标数据输入至预设深度记忆神经网络模型，输出未来预设时间单位内的预测指标数据；根据所述预测指标数据对基站负荷进行预警。本发明提供的基于深度学习的基站负荷预警方法及装置，将深度记忆神经网络与传统时间序列相结合对关键指标进行预测，既克服了较长时间间隔预测值偏离大的弱点，又避免了干扰项对预测结果的影响，使基站负荷预警系统更准确提供优化建议。

技术领域

本发明涉及通信技术领域，尤其涉及一种基于深度学习的基站负荷预警方法及装置。

背景技术

随着网络建设的不断发展，多种网络制式共存导致存量设备越来越多，维护难度不断攀高，网络质量下降、用户感知变差等问题日益凸显。如何及时预防网络性能下降、给出网络调整和优化建议，进而提升用户感知，成为重要课题。

现有技术中，基站负荷监控通常是统计小区的时段最大在线用户数，以此来评估小区的负荷情况，按预先设定的预警门限，进行报警。例如，小区的最大在线用户为400，则当在线用户达到280时触发黄色预警，当在线用户达到360时触发红色预警。而为了避免基站出现负荷告警，导致投诉激增，基站维护以日常故障处理和上站巡检为主，日常故障处理主要以故障工单、分类告警级别和关键指标监控为主要手段。日常的上站巡检主要是定期对基站运行环境和天馈系统进行检查。

但是，现有技术中的此类维护手段主要针对已发生故障的基站，对客户感知和投诉反应时效性较差；日常巡检相比工单形式的故障处理更为主动，但是此类检查所针对的基站主设备本身的性能检查内容较少，周期较长，耗费人力物力较大，没有针对性，并且不能对基站长期的运行状态进行跟踪反馈。

发明内容

本发明的目的是提供一种基于深度学习的基站负荷预警方法及装置，解决了现有技术中基站负荷的预警方式只能事后预警，不能有针对性的提前预警的技术问题。

为了解决上述技术问题，一方面，本发明提供一种基于深度学习的基站负荷预警方法，其特征在于，包括：

将获取到的历史指标数据输入至预设深度记忆神经网络模型，输出未来预设时间单位内的预测指标数据；

根据所述预测指标数据对基站负荷进行预警。

另一方面，本发明提供一种基于深度学习的基站负荷预警装置，其特征在于，包括：

预测模块，用于将获取到的历史指标数据输入至预设深度记忆神经网络模型，输出未来预设时间单位内的预测指标数据；

预警模块，用于根据所述预测指标数据对基站负荷进行预警。

再一方面，本发明提供一种用于基于深度学习的基站负荷预警的电子设备，包括：

存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。

又一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

本发明提供的基于深度学习的基站负荷预警方法及装置，将深度记忆神经网络与传统时间序列相结合对关键指标进行预测，既克服了较长时间间隔预测值偏离大的弱点，又避免了干扰项对预测结果的影响，使基站负荷预警系统更准确提供优化建议。

附图说明

图1为依照本发明实施例的基于深度学习的基站负荷预警方法示意图；

图2为依照本发明实施例的TensorFlow数据流图示意图；

图3为依照本发明实施例的基于深度学习的基站负荷预警装置示意图；

图4为本发明实施例提供的用于基于深度学习的基站负荷预警的电子设备的结构示意图。