一种多目标优化的LTE-R基站通信质量预测方法技术

本发明专利技术公开了一种多目标优化的LTE

【技术实现步骤摘要】
一种多目标优化的LTE
‑
R基站通信质量预测方法


[0001]本专利技术涉及轨道交通信息
，具体涉及一种基于NSGA
‑
III多目标优化方法以及神经网络技术的LTE
‑
R基站通信质量预测方法。

技术介绍

[0002]随着铁路运输技术的不断发展，“货运重载化”成为我国铁路货运列车的一个重要发展方向。重载列车的载重大、长度长，操控不易，对承载着列车控制信息的无线网络提出了更高的要求。作为新一代铁路无线通信技术的LTE
‑
R，具有高带宽、低时延以及高安全性的特点，目前已在重载铁路上进行了成熟的应用。由于LTE
‑
R承载着重载列车控制、紧急通信以及无线重联等核心通信业务，因此，LTE
‑
R网络的通信质量直接关系着重载列车的运行安全，如何更加有效地对LTE
‑
R网络进行维护成为一种需求。
[0003]目前，LTE
‑
R网络运维人员主要通过现场人员反馈，周期性地路测以及查看LTE<br/>‑
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多目标优化的LTE
‑
R基站通信质量预测方法，其特征在于，包括以下步骤：S1，构建LTE
‑
R基站通信质量数据集：从LTE
‑
R网络的操作维护中心系统中获取LTE
‑
R网络各类型通信业务历史上每天的E
‑
RAB异常释放比率，并将其中具有最高服务优先级的通信业务类型的E
‑
RAB异常释放比率作为目标基站的通信质量指标，将目标基站其它类别通信业务以及相邻基站所有通信业务的E
‑
RAB异常释放比率作为目标基站通信质量的相关特征，共同构成面向目标LTE
‑
R基站通信质量预测的多维时间序列数据集；S2，对所述LTE
‑
R基站通信质量数据集中的数据进行预处理：对S1得到的LTE
‑
R基站通信质量数据集中的数据进行最大最小值拉伸，使各个维度的时间序列数据均分布在0~1的范围内；采用EEMD方法对所述拉伸后的时序数据进行分解并计算各分量及余量与原始数据的皮尔逊相关系数，保留相关系数大于阈值的分量或余量，合并构成新的通信质量数据；S3，利用坐标注意力机制和时间卷积网络构建多步预测基础模型：在TCN网络输出层之前增加一个CA层，以强化TCN对通道信息的捕获能力；之后，对S2预处理后的LTE
‑
R基站通信质量数据进行处理，通过过去天的数据来预测未来天的通信质量，以此构建训练数据，包括输入数据和相应的真实通信质量指标；在训练时，以均方误差MSE为损失函数，假设训练集的数据大小为，真实通信质量指标值，模型预测出的通信质量指标值，面向多步预测的损失函数为，则有：，最终训练得到一个能够预测未来天LTE
‑
R基站通信指标值的预测模型；S4，基于排列重要性指标和二进制粒子群优化算法进行特征筛选：基于排列重要性指标的原理，利用二进制粒子群优化方法，在每一轮迭代中随机选择S2预处理后的LTE
‑
R基站通信质量数据集中一个或多个维度的时序数据，打乱其顺序；之后，分别将打乱后和打乱前的数据输入S3得到的预测模型进行预测，将这两个预测结果的差值作为二进制粒子群优化方法的优化目标值，通过最小化该目标函数值得到一组对模型预测正向影响效果最大的特征集合，将其作为需要选择使用的特征集合；S5，重新训练基础模型并利用NSGA
‑
III算法进行参数优化：利用S4筛选出的特征调整S3中所构造的神经网络模型的输入层并重新训练该模型，采用NSGA
‑
III算法对网络参数进行多目标优化，最终得到一组满足优化目标要求的非支配解；S6，利用TOPSIS方法挑选最...

【专利技术属性】
技术研发人员：渠涧涛，齐春雨，杨绪坤，安然，孟鹤，王凯军，
申请(专利权)人：中国铁路设计集团有限公司，
类型：发明
国别省市：