【技术实现步骤摘要】
移动通信网络中弱覆盖小区的确定方法、装置和计算机设备
本申请涉及人工智能
，尤其涉及一种移动通信网络中弱覆盖小区的确定方法、装置和计算机设备。
技术介绍
当前评估长期演进(LongTermEvolution；以下简称：LTE)网络覆盖能力主要通过覆盖率指标，从全网、区域或基站级别进行衡量。其评估方法为提取特定时段的覆盖率，并与预先设定统一合格门限进行比较，判断覆盖性能的优劣。但存在的问题为：(1)问题识别阶段：每个基站均有各自覆盖波动特性，包括地理环境差异、用户行为波动、季节时间周期影响等，利用覆盖率绝对门限判别区域及基站的覆盖异常未考虑上述因素，判定误差较大。(2)问题分析阶段：传统方法虽然同时考虑了服务小区自身以及相邻小区对于覆盖率的影响，但是未能有效衡量相邻小区影响的重要性。换言之目前网络在很大程度上是一个重叠覆盖网络，某些邻区的缺失以及性能下降并不会给局部区域带来覆盖实质性影响。因此传统方法目前无法识别评估邻区的关键性。
技术实现思路
本申请实施例提供了一种移动通信网络中弱覆...
【技术保护点】
1.一种移动通信网络中弱覆盖小区的确定方法，其特征在于，所述的方法包括：/n根据训练好的网络覆盖率预测模型，获取在第一时段之后的第二时段内，每个栅格区域的网络覆盖率预测值，所述栅格区域是根据网络覆盖的地理区域预先划分的栅格化区域；/n计算所述网络覆盖率预测值和与所述网络覆盖率预测值相对应的网络覆盖率实际值的相对误差，并根据所述相对误差筛选出关键栅格区域，所述关键栅格区域的网络覆盖信号对应的小区为所述关键栅格区域的关联小区；/n获取所述关联小区在所述第一时段的第一数据文件和在所述第二时段的第二数据文件，以及，/n通过所述第一数据文件和所述第二数据文件中波动参数的比较结果，定位弱覆盖小区。/n
【技术特征摘要】
1.一种移动通信网络中弱覆盖小区的确定方法，其特征在于，所述的方法包括：
根据训练好的网络覆盖率预测模型，获取在第一时段之后的第二时段内，每个栅格区域的网络覆盖率预测值，所述栅格区域是根据网络覆盖的地理区域预先划分的栅格化区域；
计算所述网络覆盖率预测值和与所述网络覆盖率预测值相对应的网络覆盖率实际值的相对误差，并根据所述相对误差筛选出关键栅格区域，所述关键栅格区域的网络覆盖信号对应的小区为所述关键栅格区域的关联小区；
获取所述关联小区在所述第一时段的第一数据文件和在所述第二时段的第二数据文件，以及，
通过所述第一数据文件和所述第二数据文件中波动参数的比较结果，定位弱覆盖小区。
2.根据权利要求1所述的方法，其特征在于，所述根据训练好的网络覆盖率预测模型，获取在第一时段之后的第二时段内，每个栅格区域的网络覆盖率预测值之前，还包括：
获取网络覆盖率历史值和与网络覆盖率历史值相对应的历史时间；
对所述网络覆盖率历史值和所述历史时间进行指数平滑处理，并得到平滑因子；
根据所述平滑因子，得到训练好的网络覆盖率预测模型。
3.根据权利要求1所述的方法，其特征在于，所述计算所述网络覆盖率预测值和与所述网络覆盖率预测值相对应的网络覆盖率实际值的相对误差，并根据所述相对误差筛选出关键栅格区域包括：
当所述相对误差大于或等于与所述栅格区域相对应的预设离散阈值时，则确定所述栅格区域为所述关键栅格区域。
4.根据权利要求1所述的方法，其特征在于，所述通过所述第一数据文件和所述第二数据文件中波动参数的比较结果，定位弱覆盖小区包括：
获取所述第一数据文件中的第一波动参数和所述第二数据文件中的第二波动参数，所述第一波动参数包括第一时间提前量和第一信号到达角，所述第二波动参数包括第二时间提前量和第二信号到达角；
当所述第二时间提前量大于所述第一时间提前量或所述第二信号到达角小于所述第一信号到达角时，则确定相应的关联小区为所述弱覆盖小区；以及，
根据所述第二时间提前量和所述第二信号到达角定位所述弱覆盖小区。
5.根据权利要求1所述的方法，其特征在于，所述计算所述网络覆盖率预测值和与所述网络覆盖率预测值相对应的网络覆盖率实际值的相对误差，并根据所述相对误差筛选出关键栅格区域之后，还包括：
获取所述关联小区的相邻小区在所述第一时段的第三数据文件和在所述第二时段的第四数据文件，以及，
通过所述第三数据文件和所述第四数据文...
【专利技术属性】
技术研发人员：邵锐，
申请(专利权)人：中国移动通信集团山东有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：山东;37
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。