[发明专利]一种基于神经网络模型的网络容量预测方法

说明书

本发明属于无线通信网络容量预测技术领域，公开了一种基于神经网络模型的网络容量预测方法，根据预设的规则提取小区原始数据；采用判别函数根据小区原始数据获取小区分类数据；对小区分类数据进行预处理，获得神经网络模型的输入样本集；利用输入样本集对神经网络模型进行训练和测试，获得容量预测模型；将拟预测的小区数据输入训练好的容量预测模型，获得容量预测结果；本发明提供的这种网络容量预测方法，根据类别分类的结果提取小区数据并通过BP神经网络预测模型可以将同类型小区的发展规律量化并利用小区数据对容量预测模型进行训练和测试，利用训练好的容量预测模型实现小区容量的滚动预测；通过提取现网小区数据验证，验证结果表明预测所获得的预测结果与实际容量较为接近，可用于指导网络规划或网络优化。

技术领域

本发明属于无线通信网络容量预测技术领域，更具体地，涉及一种基于基于神经网络模型的网络容量预测方法。

背景技术

随着无线通信网络的大规模发展，已经从对覆盖的需求转移到对容量的需求，因此对容量预测技术方面具有迫切的需求，以便有效指导网络扩容和网优优化的开展。

现有的网络容量预测方法譬如采用多元非线性回归函数进行拟合预测，但只能进行整网形式的容量预测，不可以进行小区级别的容量预测；采用常规的函数预测，预测精度不够高且预测时间周期较短。

而规划阶段的容量预测均是针对全网形式的预测，可以提供全局性的规划参考，但对于具体小区的容量无法做到有效预测；而在实际应用中若小区容量预测存在偏差，会很大程度上导致用户感知受损或者盲目的扩容操作。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于神经网络模型的网络容量预测方法，先对小区进行分类，再通过BP神经网络预测模型获取将同类小区发展规律的量化值，实现小区容量的滚动预测。

为实现上述目的，按照本发明的一个方面，提供了一种基于神经网络模型的网络容量预测方法，包括如下步骤：

(1)根据预设的规则提取小区原始数据；

(2)采用判别函数根据小区原始数据获取小区分类数据；

(3)对小区分类数据进行预处理，获得神经网络模型的输入样本集；

(4)利用输入样本集对神经网络模型进行训练和测试，获得容量预测模型；

(5)将拟预测的小区数据输入训练好的容量预测模型，获得容量预测结果。

优选地，上述基于神经网络模型的网络容量预测方法，小区原始数据包括PRB(Physical Resource Block，物理资源块)利用率、RRC(Radio Resource Control，无线资源控制)连接平均用户数、小区吞吐量。

优选地，上述基于神经网络模型的网络容量预测方法，其步骤(2)具体所采用的判别函数为：

利用判别函数D(x)得到计算值，将计算值与判别门限的比对，确定小区网络类型；其中N＝3，x_i、θ_i、w_i分别代表PRB利用率、RRC连接平均用户数、小区吞吐量这三个变量的指标数值、指标门限、运算系数；

当x_i-θ_i≥0，d(x_i-θ_i)函数输出为1；当x_i-θ_i0，d(x_i-θ_i)函数输出为0。

优选地，上述基于神经网络模型的网络容量预测方法，步骤(3)进行预处理的方法，具体如下：

(3.1)以月份维度，将当月的同类小区的数据进行平均处理，每个月都得到一个8*3的矩阵数据集合