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。
