基站负荷预警方法、装置制造方法及图纸

本发明专利技术提供一种基站负荷预警方法、装置，基站负荷预警方法包括S101：获取投诉数据，根据投诉数据判断基站的投诉量和投诉增量是否超过预设阈值，若是，则执行S102，若否，则执行S103；S102：发出投诉量预警告警，并判断基站是否存在故障，若是，则执行S104，若否，则根据基站的负荷情况生成网络优化调整建议；S103：根据小区历史参数搭建深度学习模型，通过深度学习模型对基站进行基站负荷趋势预测，获取预测结果，根据预测结果生成网络优化调整建议；S104：获取故障原因并派单以维修基站。本发明专利技术通过深度学习模型对基站负荷情况进行预测，提出相关网络优化调整建议，耗费人力物力少，周期短，能够对基站长期情况进行跟踪反馈，提升了区域网络性能优化工作。

Base station load warning method and device

【技术实现步骤摘要】
基站负荷预警方法、装置
本专利技术涉及无线网络优化领域，尤其涉及一种基站负荷预警方法、装置。
技术介绍
随着网络建设的不断发展，多种网络制式共存导致存量设备越来越多，维护难度不断攀高，网络质量下降、用户感知变差等问题日益凸显。如何及时预防网络性能下降、给出网络调整和优化建议，进而提升用户感知，成为重要课题。目前基站维护以日常故障处理和上站巡检为主。日常故障处理主要以故障工单、分类告警级别和关键指标监控为主要手段。此类维护手段主要针对已发生故障的基站，对客户感知和投诉反应时效性较差；日常上站巡检主要是定期对基站运行环境和天馈系统进行检查。日常巡检相比工单形式的故障处理更为主动，但是此类检查所针对的基站主设备本身的性能检查内容较少，周期较长，耗费人力物力较大，并且不能对基站长期的运行状态进行跟踪反馈。
技术实现思路
为了克服现有技术的不足，本专利技术提出一种基站负荷预警方法、装置，能够实时监测投诉情况，对用户投诉情况进行处理，提升了用户感知，并通过深度学习模型对基站负荷情况进行预测，提出相关网络优化调整建议，耗费人力物力本文档来自技高网...

【技术保护点】
1.一种基站负荷预警方法，其特征在于，所述基站负荷预警方法包括；/nS101：获取投诉数据，根据所述投诉数据判断基站的投诉量和投诉增量是否超过预设阈值，若是，则执行S102，若否，则执行S103；/nS102：发出投诉量预警告警，并判断所述基站是否存在故障，若是，则执行S104，若否，则根据所述基站的负荷情况生成网络优化调整建议；/nS103：根据与所述基站相关的小区历史参数搭建深度学习模型，通过所述深度学习模型对所述基站进行基站负荷趋势预测，获取预测结果，根据所述预测结果生成网络优化调整建议；/nS104：获取故障原因并派单以维修所述基站。/n

【技术特征摘要】
1.一种基站负荷预警方法，其特征在于，所述基站负荷预警方法包括；
S101：获取投诉数据，根据所述投诉数据判断基站的投诉量和投诉增量是否超过预设阈值，若是，则执行S102，若否，则执行S103；
S102：发出投诉量预警告警，并判断所述基站是否存在故障，若是，则执行S104，若否，则根据所述基站的负荷情况生成网络优化调整建议；
S103：根据与所述基站相关的小区历史参数搭建深度学习模型，通过所述深度学习模型对所述基站进行基站负荷趋势预测，获取预测结果，根据所述预测结果生成网络优化调整建议；
S104：获取故障原因并派单以维修所述基站。


2.如权利要求1所述的基站负荷预警方法，其特征在于，所述网络优化调整建议包括载频扩容、调整天馈下倾角/方向角、发射功率调整、邻区参数重选、切换参数中的至少一种。


3.如权利要求1所述的基站负荷预警方法，其特征在于，所述小区历史参数包括：上/下行利用率、上/下行流量、有数据传输的RRC数。


4.如权利要求1所述的基站负荷预警方法，其特征在于，所述根据与所述基站相关的小区历史参数搭建深度学习模型的步骤具体包括：
S201：采集所述小区历史参数，根据所述小区历史参数生成模型训练数据集；
S202：设置深度记忆网络参数，将所述模型训练数据集喂给PTBModel进行训练以获取深度学习模型。


5.如权利要求4所述的基站负荷预警方法...

【专利技术属性】
技术研发人员：廖海东，黎毅，吴淦浩，
申请(专利权)人：中通服建设有限公司，
类型：发明
国别省市：广东;44