[发明专利]一种基于最近邻算法的基站费用自动化稽核方法

说明书

本发明公开了一种基于最近邻算法的基站费用自动化稽核方法，通过数据挖掘、机器学习等手段收集与基站电费相关的历史缴费和基站属性等数据，然后再根据基础数据进行预处理和标准化处理；使用信息增益率选择大于设定阈值之上的强相关指标作为有效特征；计算所有多维特征向量之间的平均距离据此设定距离半径，再使用球树算法对所有参考集的特征向量进行球树建模；根据数据分布自适应确定半径距离来对待稽核的缴费记录找出最临近参考集；并计算其置信区间，作为稽核判定超标的阈值，以此最终判定该电费报销额度是否超标异常。

技术领域

本发明涉及移动通信行业的能耗费用管控技术领域，涉及一种计算机的数据挖掘与机器学习算法建模等技术，是针对通信基站报销的电费金额的合理性稽核的技术解决方案，由一系列数据处理方法和模型算法构成，尤其涉及一种基于最近邻算法的基站费用自动化稽核方法。

背景技术

目前关于通信运营商的基站电费报销审核管理，通常由费用审核人员根据自己的经验判断该基站的电费报销单上的电费金额是否符合规定的范围，然而面对各种基站的设备及所处环境等多种复杂因素共同影响的耗电量，使得审核人也常常难以快速计算出每个基站缴费时段耗电量的合理范围，导致成本管控合理的目标难以科学有效执行。

目前对基站电费报销采取的人工审核的方案缺点总结如下：

(1)人工没法及时准确核算当前基站的合理耗电量：由于影响基站耗电量的因素众多且复杂，如机房室内温度影响着空调的耗电量，而机房墙体材料的热交换系数又影响着机房室内温度，此外不同地区人口的不同话务量又也时刻影响着通信设备的功率；

(2)人脑难以记忆和从已审核过的海量的历史缴费记录数据中迅速挑选出与该基站该笔缴费的最匹配的缴费及其稽核可接受的合理区间，作为具体的稽核依据；

(3)人工对电费合理性的审核存在人脑天生的主观性和计算难的误差；

(4)一般审核人在审核时难以遵守专家通过科学论证的耗电量模型和公司管理的稽核流程规范；

现有相关技术介绍：

(1)基于线性模型预测类的稽核方法：

这类稽核算法思路介绍：常见的是根据基站耗电量的主要变动影响因素(通信设备--话务量，空调--温度)，使用线性回归拟合模型，对每个基站独立建模。使用预测值加一定人为设定的超标比例，作为稽核的阈值。

这类方法的缺点分析：根据对基站耗电量和日均温度、话务量等数据的散点分布图可以看出来，这两个因素跟耗电量没有明显的线性相关关系，所以使用线性回归存在数学上的牵强拟合的问题；此外一般单基站的样本数据较少，线性回归的可靠性较差；还有对于单基站的历史缴费耗电的时间序列趋势拟合，只能检测出单站相对历史突高的缴费问题，不能针对基站设备变化和该站维护人员一直作假没法横向比较稽核等问题。

(2)基于简单的KNN算法类的稽核方法：

这类稽核算法思路介绍：常见的基于简单的KNN或者在KNN处理前使用核密度估计对Y值分类，再在此分类基础上对特征向量集进行LMNN处理，最后在使用人为确定K值用KNN算法找到待稽核特征向量的K个邻近向量对应Y值集，从中取最大值作为稽核的判定阈值。

这类方法的缺点分析：在数学上为了满足KNN对不同特征的相同权重对待的问题，采用了LMNN的办法弥补对特征向量修改，但这种方法是基于明确的分类问题可以，但对于连续的电费Y值，若采取此方法强制分类处理，反而会隔离各分类边界附近两侧的邻近点。

其次，简单的KNN算法针对待稽核的特征向量需要计算与参考集中所有的特征向量距离再排序，性能低下，且按人为设定K个邻近来圈，在遇到本来就比较离群的点，为了凑够K个临近点会把非常远的点当做临近同类聚类，这会导致稽核误差过大等问题。

发明内容