C114通信网  |  通信人家园

专题
2021/6/10 11:33

基于AI算法的无线网络邻区关系优化研究与实践

邮电设计技术  李张铮,陈 锋,董帝烺

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:针对现有邻区优化方式的不足,基于现网数据引入XGBoost机器学习回归预测算法,通过学习具有自动邻区关系网络的两两小区切换占比建立预测模型,优化非自动邻区关系网络小区邻区关系。研究结果表明,基于AI算法的无线网络邻区关系优化能有效提高邻区优化效率,提升邻区关系的准确性。

关键词:XGBoost算法;小区切换占比预测;邻区优化;网络优化

doi:10.12045/j.issn.1007-3043.2021.05.015

前言

在无线网络优化工作中,邻区优化是降低掉话率、提升移动网络质量、改善用户感知的最基本且最有效的手段。目前基站邻区优化有2种方式:自动邻区关系(ANR)和非自动邻区关系(下文简称非自动邻区关系网络为传统网络)。具备自动邻区关系的网络可自动优化邻区关系,不需人工干预;传统网络邻区关系需优化人员手工优化。这些网络邻区的数目众多,优化工作量非常大;需要优化邻区的确定与个人优化经验有很大的关系,稍有不慎就可能造成邻区漏配或冗余邻区,存在较大的优化风险。规避上述问题,提高邻区优化的效率和精度已成为网络优化的关键。考虑到在ANR网络中,自动邻区关系已成为小区SON功能的标配,无需人员操作网络便可自动识别和添加邻区,如何利用ANR邻区关系来优化传统网络邻区已成为网络运营智能化的重要课题。

机器学习技术作为人工智能的重要组成部分,是国家发展战略重点扶持的目标和当下各行业关注应用的焦点。为了推动传统网络邻区优化的智能化,提升网络运营智能化水平,特开展基于机器学习算法的邻区关系优化的研究。

点击查看全文(PDF)>

给作者点赞
0 VS 0
写得不太好

免责声明:本文仅代表作者个人观点,与C114通信网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

热门文章
    最新视频
    为您推荐

      C114简介 | 联系我们 | 网站地图 | 手机版

      Copyright©1999-2024 c114 All Rights Reserved | 沪ICP备12002291号

      C114 通信网 版权所有 举报电话:021-54451141