基于机器学习的无线网络小区结构问题优化方法及装置制造方法及图纸

本发明专利技术提供一种基于机器学习的无线网络小区结构问题优化方法及装置。该方法包括：利用自动分析模块，经过机器学习算法的结构问题识别、结构问题定位得到结构问题根因，查找优化方案库输出优化方案并回传至数据存储服务器，其中优化方案库由业务专家整理并按照预设时间更新。在此方法之前，还包括：利用信息采集模块采集原始数据；利用自动调度模块发送原始数据到自动分析模块。如此，可以得到准确率更高的结构问题优化方案，经过扩展还可以用于网络干扰等方面的问题识别和优化方案输出，同时引入了机器学习算法，更符合当前运维网络智能化的发展趋势，提高了网络运维精度和效率。提高了网络运维精度和效率。提高了网络运维精度和效率。

【技术实现步骤摘要】
基于机器学习的无线网络小区结构问题优化方法及装置


[0001]本说明书一个或多个实施例涉及无线通信网络业务支撑
，尤其涉及一种基于机器学习的无线网络小区结构问题优化方法及装置。

技术介绍

[0002]目前，日常无线网络运维中，小区结构问题的优化通常是当小区出现网络问题后，由系统派单给运维人员，运维人员到达现场进行处理。
[0003]然而，目前的无线网优方法中，存在着优化针对性不强、适用范围狭窄等问题。或者通过无线网络中小区的历史性能指标和对应的历史配置参数训练得到性能优化模型。此种方式优化的目标是使小区接近于历史性能指标，但是历史性能指标是死板的静态数据，不一定是适合每个小区，同样也不一定是最优的。有的方案提出的网络的优化只集中于小区天线波瓣，适用范围较为局限。也有的方案只提出了一种优化网络的流程方法，不涉及具体的优化技术方案。

技术实现思路

[0004]本专利技术描述一种基于机器学习的无线网络小区结构问题优化方法及装置，可以解决上述技术问题。
[0005]根据第一方面，提供一种基于机器学习的无线网络小区结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的无线网络小区结构问题优化方法，其特征在于，所述方法包括：获取调度服务器发送的无线网络小区的第一原始数据；基于所述第一原始数据，利用聚类算法对所述无线网络小区进行场景聚类，得到所述无线网络小区的场景类别；基于所述场景类别，采用分类算法对所述无线网络小区进行结构问题识别得到结构问题类别；基于所述结构问题类别构建树模型，得到所述无线网络小区结构问题根因；基于所述结构问题根因，查询优化方案库得到优化方案。2.根据权利要求1所述的方法，其特征在于，在获取调度服务器发送的无线网络小区的第一原始数据之前，还包括：利用信息采集模块基于采集任务，将第二原始数据存储到数据存储服务器；利用自动调度模块向所述数据存储服务器发送第一调度任务获取所述第一原始数据，所述第一原始数据基于所述第二原始数据进行抽取而得到；所述获取调度服务器发送的无线网络小区的第一原始数据，具体包括：获取调度服务器根据第二调度任务发送的所述第一原始数据。3.根据权利要求1所述的方法，其特征在于，在基于所述结构问题类别构建树模型，得到所述无线网络小区结构问题根因之后，所述方法还包括：回传优化方案到所述数据存储服务器。4.根据权利要求1所述的方法，其特征在于，在基于所述结构问题类别构建树模型，得到所述无线网络小区结构问题根因之后，所述方法还包括：输出所述优化方案。5.根据权利要求1所述的方法，其特征在于，所述分类算法，包括：决策树，或随机森林。6.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：李永恒，张梦杰，耿春光，
申请(专利权)人：杭州东方通信软件技术有限公司，
类型：发明
国别省市：