LTE小区参数的调整方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了LTE小区参数的调整方法、装置、设备及介质。该方法包括：将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元；对所述不同维度的标准数据单元进行样本训练，生成仿真模型；获取小区当前运行参数，并输入至所述仿真模型进行仿真；根据仿真结果对小区参数进行调整。本发明专利技术的技术方案能够用以对小区的参数进行有效的调整。

Adjustment methods, devices, equipment and media of LTE cell parameters

【技术实现步骤摘要】
LTE小区参数的调整方法、装置、设备及介质
本专利技术涉及通信
，尤其涉及一种LTE小区参数的调整方法、装置、设备及介质
技术介绍
LTE小区运行参数是LTE网络中构成各种运作机制的发动机和零部件。关系到资源的配置和有效利用，对于网络覆盖、信令流量负荷、业务负荷分布、网络性能指标等都有极大的影响，并最终影响到网络质量和用户满意度。因此正确地设置小区运行参数是LTE网络正常运行的基础。现有调整方法必须在调整后运行一段时间，才能通过采集网络指标获得调整效果。难以预估调整可能出现的问题，难以对调整结果做出预测，无法对参数调整给出有效的建议。而网络质量又是用户选择通信运营商的最重要因素，直接关系到通信运营商的经营业绩和利润。因此急需开拓新的思路和方法，用于建立有效的LTE参数调整效果仿真方法，为LTE参数调整提供支持。
技术实现思路
本专利技术实施例提供了一种LTE小区参数的调整方法、装置、设备及介质，用以对小区的参数进行有效的调整。第一方面，本专利技术实施例提供了一种LTE小区参数的调整方法，方法包括：将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元；对所述不同维度的标准数据单元进行样本训练，生成仿真模型；获取小区当前运行参数，并输入至所述仿真模型进行仿真；根据仿真结果对小区参数进行调整。优选的是，所述将小区运行参数所涉及的数据包括：小区性能统计数据、MR数据、投诉数据、基站小区配置数据、GIS图层数据。优选的是，所述将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元的步骤，具体包括：根据小区运行参数所涉及的数据所属类别和特点，确定归一维度；按照归一维度，对数据进行处理；根据处理后的数据，生成标准数据单元。优选的是，所述对所述不同维度的标准数据单元进行样本训练，生成仿真模型的步骤，具体包括：正向传播阶段：将所述不同维度的标准数据单元输入至初始神经网络中，通过所述初始神经网络输入层经隐含层，逐层处理并传向输出层，得到输出值；若所述输出值与目标输出值的误差大于阈值时，则进行反向传播阶段；反向传播阶段：根据所述输出值与目标输出值的误差的平方和建立目标函数，逐层求出所述目标函数对各神经元权值的偏导数，构成目标函数对权值向量的梯量，根据所述梯量修改所述初始神经网络的权值，得到修改后的神经网络；重复所述正向传播阶段和所述反向传播阶段，其中，当前正向传播阶段的初始神经网络为上一次反向传播阶段生成的修改后的神经网络；直至当前正向传播阶段的初始神经网络的输出值与目标输出值的误差小于阈值，得到仿真模型。优选的是，首次正向传播阶段中的所述初始神经网络采用如下步骤训练的到：提取小区的历史参数调整信息，所述历史参数调整信息包括调整的时间、小区、调整参数的名称、调整前后的参数值、小区覆盖栅格；按照时间、小区、栅格信息，在归一化处理后的数据中，查找与该调整信息对应的标准数据单元；建立初始神经网络；其中，查找到的与该调整信息对应的标准数据单元作为所述初始神经网络的输入特征。优选的是，所述反向传播阶段，具体包括：对于所述初始神经网络的输入特征和目标输出值，定义目标函数；根据误差允许范围和所述目标函数，获取调整特征值；根据调整特征值，构成目标函数对权值向量的梯量，根据所述梯量修改所述初始神经网络的权值，得到修改后的神经网络。优选的是，所述获取小区当前运行参数，并输入至所述仿真模型进行仿真的步骤，具体包括：根据小区运行参数涉及到的数据，输入其中一种或几种特征值至所述仿真模型；根据仿真模型对特征值进行分析，预测指标情况；输出预测结论。优选的是，在所述将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元的步骤之前，还包括：获取小区运行参数所涉及的数据的步骤。第二方面，本专利技术实施例提供了一种LTE小区参数的调整装置，装置包括：归一化处理模块，用于将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元；训练模块，用于对所述不同维度的标准数据单元进行样本训练，生成仿真模型；仿真模块，用于获取小区当前运行参数，并输入至所述仿真模型进行仿真；调整模块，用于根据仿真结果对小区参数进行调整。第三方面，本专利技术实施例提供了一种LTE小区参数的调整设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。本专利技术实施例提供的LTE小区参数的调整方法、装置、设备及介质，通过基于神经网络(BP；BackPropagation，反向传播)对LTE小区参数设置，该方法充分考虑到多种数据的特性，充分考虑参数调整前后小区运行参数等的变化情况，利用神经网络算法为LTE小区运行参数调整提供科学的、量化的标准和指导。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的实施例1的LTE小区参数的调整方法的流程图；图2为本专利技术的实施例2的LTE小区参数的调整方法的流程图；图3为本专利技术的实施例2的LTE小区参数的调整方法的步骤S12的流程图；图4为本专利技术的实施例2的LTE小区参数的调整方法的步骤S13的正向传播阶段的流程图；图5为本专利技术的实施例2的LTE小区参数的调整方法的步骤S13的反向传播阶段的流程图；图6为本专利技术的实施例2的LTE小区参数的调整方法的步骤S14的流程图；图7为本专利技术的实施例3的LTE小区参数的调整装置的结构示意图；图8为本专利技术的实施例4的LTE小区参数的调整设备的结构示意图。具体实施方式下面将详细描述本专利技术的各个方面的特征和示例性实施例，为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本专利技术，并不被配置为限定本专利技术。对于本领域技术人员来说，本专利技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本专利技术的示例来提供对本专利技术更好的理解。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。结合图1所示，本专利技术实施例提供了一种LTE小区参数的调整方法，其包括如下步骤：S01、将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元。S02、对不同维度的标准数据单元进行样本训练，生成仿真模型，该仿真模型是一种神经网络。S03、获本文档来自技高网...

【技术保护点】
1.一种LTE小区参数的调整方法，其特征在于，所述方法包括：将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元；对所述不同维度的标准数据单元进行样本训练，生成仿真模型；获取小区当前运行参数，并输入至所述仿真模型进行仿真；根据仿真结果对小区参数进行调整。

【技术特征摘要】
1.一种LTE小区参数的调整方法，其特征在于，所述方法包括：将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元；对所述不同维度的标准数据单元进行样本训练，生成仿真模型；获取小区当前运行参数，并输入至所述仿真模型进行仿真；根据仿真结果对小区参数进行调整。2.根据权利要求1所述的方法，其特征在于，所述小区运行参数所涉及的数据包括如下项中的至少一项：小区性能统计数据、MR数据、投诉数据、基站小区配置数据、GIS图层数据。3.根据权利要求1所述的方法，其特征在于，所述将小区运行参数所涉及的数据进行归一化处理，生成不同维度的标准数据单元的步骤，包括：根据小区运行参数所涉及的数据所属类别和特点，确定归一维度；按照归一维度，对数据进行处理；根据处理后的数据，生成标准数据单元。4.根据权利要求1所述的方法，其特征在于，所述对所述不同维度的标准数据单元进行样本训练，生成仿真模型的步骤，包括：正向传播阶段：将所述不同维度的标准数据单元输入至初始神经网络中，通过所述初始神经网络输入层经隐含层，逐层处理并传向输出层，得到输出值；若所述输出值与目标输出值的误差大于阈值时，则进行反向传播阶段；反向传播阶段：根据所述输出值与目标输出值的误差的平方和建立目标函数，逐层求出所述目标函数对各神经元权值的偏导数，构成目标函数对权值向量的梯量，根据所述梯量修改所述初始神经网络的权值，得到修改后的神经网络；重复所述正向传播阶段和所述反向传播阶段，其中，当前正向传播阶段的初始神经网络为上一次反向传播阶段生成的修改后的神经网络；直至当前正向传播阶段的初始神经网络的输出值与目标输出值的误差小于阈值，得到仿真模型。5.根据权利要求4所述的方法，其特征在于，首次正向传播阶段中的所述初始神经网络采用如下步骤训练得到：提取小区的历史参数调整信息，所述历史参数调整信息包括调整的时间、小区、调整参数...

【专利技术属性】
技术研发人员：赵明宇，简晨，雷鹤，赵杰卫，罗小勇，蔡远来，刁枫，杨波，
申请(专利权)人：中国移动通信集团四川有限公司，中国移动通信集团公司，
类型：发明
国别省市：四川,51