[发明专利]一种基站退服告警预测方法及装置

权利要求书

1.一种基站退服告警预测方法，其特征在于，包括：

获取基站特征数据和基站所在区域的天气信息数据；

输入所述基站特征数据和所述天气信息数据至预设基站退服告警预测模型，并将所述预设基站退服告警预测模型的输出结果作为基站退服告警预测结果；其中，所述预设基站退服告警预测模型采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络得到。

2.根据权利要求1所述的基站退服告警预测方法，其特征在于，所述采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络，包括：

采用提取站点工参资源数据和所述天气信息数据的样本数据训练循环神经网络；其中，所述站点工参资源数据为可表征基站本征属性的参数配置状态数据以及小区标识数据。

3.根据权利要求1所述的基站退服告警预测方法，其特征在于，所述采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络，包括：

采用提取网管性能统计数据和所述天气信息数据的样本数据训练循环神经网络；其中，所述网管性能统计数据为基站进行无线通信服务的关键性能指标数据。

4.根据权利要求1所述的基站退服告警预测方法，其特征在于，所述采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络，包括：

采用提取动力环境监控数据和所述天气信息数据的样本数据训练循环神经网络；其中，所述动力环境监控数据为基站机房内部的动力监控数据和环境监控数据。

5.根据权利要求1所述的基站退服告警预测方法，其特征在于，所述采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络，包括：

采用提取历史告警数据和所述天气信息数据的样本数据训练循环神经网络；其中，所述历史告警数据为在预设历史时段内，基站发生退服类告警的类别和频次。

6.根据权利要求3所述的基站退服告警预测方法，其特征在于，所述关键性能指标数据为无线接通率、无线掉线率、接通时延和误块率中的至少其一。

7.根据权利要求1至6任一所述的基站退服告警预测方法，其特征在于，所述循环神经网络为LSTM。

8.一种基站退服告警预测装置，其特征在于，包括：

获取单元，用于获取基站特征数据和基站所在区域的天气信息数据；

预测单元，用于输入所述基站特征数据和所述天气信息数据至预设基站退服告警预测模型，并将所述预设基站退服告警预测模型的输出结果作为基站退服告警预测结果；其中，所述预设基站退服告警预测模型采用提取所述基站特征数据和所述天气信息数据的样本数据训练循环神经网络得到。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。