【技术实现步骤摘要】
小区场景类别划分模型的构建方法、装置和计算机设备
本申请涉及通信
，特别是涉及一种小区场景类别划分模型的构建方法、装置、计算机设备和存储介质。
技术介绍
随着移动通信网络的不断发展，对不同小区进行场景划分是定制规划建设方案、确定网络优化策略的重要基础。小区场景类别的划分在小区规划建设初期已经确定，传统的移动通信网络的小区场景类别的划分主要依靠网络规划工程师根据小区的地理环境、覆盖因素以及业务特点等进行人为划分，但是一个小区的地理环境、网络情况以及业务特征在后续使用中都是不断变化的，小区场景类别也需要同步更新，为调整、优化网络提供基础，但是传统的小区场景类别的划分技术难以快速对小区场景类别进行重新划分以适应小区的地理环境、覆盖因素以及业务特点等因素的变化。
技术实现思路
基于此，有必要针对上传统的小区场景类别的划分技术难以快速对小区场景类别进行重新划分实现小区场景类别的更新同步的技术问题，提供一种小区场景类别划分模型的构建方法、装置、计算机设备和存储介质。一种小区场景类别划分模型的构建方法，包括以下步骤：获取样本小区的关键绩效指标数据，对所述关键绩效指标数据中的各...
【技术保护点】
1.一种小区场景类别划分模型的构建方法，其特征在于，包括以下步骤：获取样本小区的关键绩效指标数据，对所述关键绩效指标数据中的各字段数据与通信行为字段分别进行双变量相关性分析，去除与通信行为字段相关性低于阈值的字段数据获得通信行为特征数据；对各所述通信行为特征数据进行主成分分析，获得通信行为特征值；利用各所述通信行为特征值并结合时间粒度获取通信行为波形图；从各所述通信行为波形图中筛选通信行为波形样本图，并获取各所述通信行为波形样本图对应的场景类别；利用各所述通信行为波形样本图以及对应的场景类别对深度学习网络模型进行训练，将训练后的深度学习网络模型确定为小区场景类别划分模型。
【技术特征摘要】
1.一种小区场景类别划分模型的构建方法，其特征在于，包括以下步骤：获取样本小区的关键绩效指标数据，对所述关键绩效指标数据中的各字段数据与通信行为字段分别进行双变量相关性分析，去除与通信行为字段相关性低于阈值的字段数据获得通信行为特征数据；对各所述通信行为特征数据进行主成分分析，获得通信行为特征值；利用各所述通信行为特征值并结合时间粒度获取通信行为波形图；从各所述通信行为波形图中筛选通信行为波形样本图，并获取各所述通信行为波形样本图对应的场景类别；利用各所述通信行为波形样本图以及对应的场景类别对深度学习网络模型进行训练，将训练后的深度学习网络模型确定为小区场景类别划分模型。2.根据权利要求1所述的小区场景类别划分模型的构建方法，其特征在于，所述利用各所述通信行为特征值并结合时间粒度获取通信行为波形图的步骤，包括以下步骤：利用所述通信行为特征值并结合时间粒度生成二维数组；以时间粒度为横坐标、通信行为特征值为纵坐标生成通信行为原始图像；去除所述通信行为原始图像中的噪声，将去除噪声后的通信行为原始图像确定为通信行为波形图。3.根据权利要求1所述的小区场景类别划分模型的构建方法，其特征在于，所述从各所述通信行为波形图中筛选通信行为波形样本图，并获取各所述通信行为波形样本图对应的场景类别的步骤，包括以下步骤：获取目标场景类别数目；根据所述目标场景类别数目，利用聚类算法将各所述通信行为波形图分别划分到数量为目标场景类别数目的不同场景聚类中，获取各所述场景聚类中心以及各所述场景聚类中心对应的场景类别；将与各所述场景聚类中心的距离值小于预设距离值的通信行为波形图作为通行行为波形样本图；根据各场景聚类中心对应的场景类别确定所述通行行为波形样本图对应的场景类别。4.根据权利要求3所述的小区场景类别划分模型的构建方法，其特征在于，所述利用聚类算法将各所述通信行为波形图分别划分到数量为目标场景类别数目的不同场景聚类中，获取各所述场景聚类中心以及各所述场景聚类中心对应的场景类别的步骤，包括以下步骤：随机选取数量为目标场景类别数目的通信行为波形图作为各场景聚类的第一聚类中心；计算剩余的通信行为波形图到各第一聚类中心的距离值，将各所述剩余的通信行为波形图分别划分到与第一聚类中心距离值最小的场景聚类中，获得各通信行为波形图划分到不同场景聚类中的场景聚类结果；根据所述场景聚类结...
【专利技术属性】
技术研发人员：李清亮，唐艺龙，莫景画，刘津羽，
申请(专利权)人：广东海格怡创科技有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。