本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部
摘要:KPI作为衡量无线网络质量的重要指标,准确及时检测 KPI指标突变情况非常重要。提出了一种基于Prophet时序算法的无线网络突变小区识别方法,利用模型的预测指标得到动态门限,并在动态门限和绝对门限之间设置相对门限,通过实际指标与不同门限的对比,使运维人员更精准地掌握网络性能,降低误报和错报异常,提升网络优化效率和质量。
关键词:Prophet;时序算法;KPI;突变小区
doi:10.12045/j.issn.1007-3043.2021.02.005
概述
随着5G和物联网的引入,移动网络越来越复杂多变,但人们对无线网络的质量要求越来越高,这对运营商的无线网络优化提出了新的挑战。KPI指标直接反映了无线网络的性能和质量,传统的小区KPI突变检测方法是先采集PM和配置等数据,网络优化工程师再根据专业知识和经验,对各个KPI指标分别设置阈值,观察KPI指标是否连续若干个小时超出阈值,来判断KPI指标是否存在异常。但是网络制式多样化,用户行为不可控,总会有部分属于正常性突变或者偶发性波动的KPI指标作为异常被识别出来,这种方法存在资源投入大、阈值不准确、优化不及时等问题。