网络场强预测的特征生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术属于人工智能技术领域，公开了一种网络场强预测的特征生成方法、装置、设备及存储介质。该方法包括：获取网络场强预测样本；对所述网络场强预测样本进行标签插值处理生成栅格化标签特征值；根据所述网络场强预测样本确定基础特征样本，并根据所述基础特征样本生成基础特征值；根据所述栅格化标签特征值和基础特征值生成网络场强预测特征，所述网络场强预测特征用于对网络场强预测模型进行训练。通过上述方法，将多项特征值应用于特征向量的提取中，生成用于移动网络场强预测的特征，输入神经网络中进行模型训练，相较于简单的特征提取过程，其预测精度有大幅提高，模型训练效果更好。更好。更好。

【技术实现步骤摘要】
网络场强预测的特征生成方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种网络场强预测的特征生成方法、装置、设备及存储介质。

技术介绍

[0002]无线网络规划是利用业务场景定位、用户密度分析等方法，寻求满足需求，成本合理的网络部署方案。链路预算是覆盖规划的关键基础，链路预算需要选择合适实际环境的传播模型。但现有的传播模型中并未提及样本数据栅格化的过程中栅格标签的生成方法，通常采用简单的均值法计算栅格标签值，其得到的栅格标签值与样本间的误差较大，会对模型训练产生较大的影响，训练效果不佳。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本专利技术的主要目的在于提供一种网络场强预测的特征生成方法、装置、设备及存储介质，旨在解决现有技术模型训练效果不佳的技术问题。
[0005]为实现上述目的，本专利技术提供了一种网络场强预测的特征生成方法，所述方法包括以下步骤:
[0006]获取网络场强预测样本；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络场强预测的特征生成方法，其特征在于，所述网络场强预测的特征生成方法包括：获取网络场强预测样本；对所述网络场强预测样本进行标签插值处理，生成栅格化标签特征值；根据所述网络场强预测样本确定基础特征样本，并根据所述基础特征样本生成基础特征值；根据所述栅格化标签特征值和基础特征值生成网络场强预测特征，所述网络场强预测特征用于对网络场强预测模型进行训练。2.如权利要求1所述的方法，其特征在于，所述根据所述栅格化标签特征值和基础特征值生成网络场强预测特征之前，还包括：对所述网络场强预测样本进行表示学习处理，得到预设地物关系特征；所述根据所述栅格化标签特征值和基础特征值生成网络场强预测特征，包括：根据所述预设地物关系特征、栅格化标签特征值和基础特征值生成网络场强预测特征。3.如权利要求2所述的方法，其特征在于，所述对所述网络场强预测样本进行表示学习处理，得到预设地物关系特征，包括：根据所述网络场强预测样本确定地物可视性参数和地物类别参数；根据所述地物可视性参数和地物类别参数确定预设地物关系特征。4.如权利要求1至3中任一项所述的方法，其特征在于，所述根据所述栅格化标签特征值和基础特征值生成网络场强预测特征之前，包括：根据所述网络场强预测样本确定小区地形类型特征；所述根据所述栅格化标签特征值和基础特征值生成网络场强预测特征，还包括：根据所述小区地形类型特征、栅格化标签特征值和基础特征值生成网络场强预测特征；或，根据所述预设地物关系特征、小区地形类型特征、栅格化标签特征值和基础特征值生成网络场强预测特征。5.如权利要求4所述的方法，其特征在于，所述根据所述网络场强预测样本确定小区地形类型特征，包括：获取预设类型信息；根据所述网络场强预测样本确定当前样本小区参数；将所述当前样本小区参数与预设类型信息进行匹配...

【专利技术属性】
技术研发人员：程楠，刘吉宁，赵培，向中秋，黄学敏，姜书敏，严展鸿，陈凡，刘少聪，李斌杰，成芝言，刘大洋，高峰，吴宝栋，高鹏，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：