GPRS網(wǎng)絡優(yōu)化中小區(qū)流量的預測研究.pdf

1、隨著用戶使用手機上網(wǎng)的數(shù)量以及因此帶來的數(shù)據(jù)量越來越多，無線網(wǎng)絡的優(yōu)化成為現(xiàn)在網(wǎng)絡運營商的一個重要工作。如何更早的發(fā)現(xiàn)網(wǎng)絡中可能存在的問題，為網(wǎng)絡優(yōu)化工程師采取措施提前預防提供決策支持，是現(xiàn)在無線網(wǎng)絡優(yōu)化中的一個重要問題。
　　 本文首先分析了現(xiàn)在網(wǎng)絡運營商在進行網(wǎng)絡優(yōu)化時所采取的方法。針對其中網(wǎng)絡問題發(fā)現(xiàn)的時間上滯后性，提出基于預測的無線網(wǎng)絡優(yōu)化方法一一根據(jù)無線網(wǎng)絡過去的性能情況，預測將來的性能情況，提前發(fā)現(xiàn)網(wǎng)絡中的潛在問題。

2、并以湖南移動公司郴州分公司某一無線小區(qū)的流量數(shù)據(jù)，進行的預測研究。
　　 第一步使用時間序列模型進行預測研究。利用小區(qū)流量以天為周期變化的特點，應用乘積季節(jié).ARIMA模型對其進行建模，得到GPRS小區(qū)的流量變化預測模型，并得到了較好的預測效果。為了提高預測的精度，實驗對原始的流量數(shù)據(jù)進行了預處理，并比較各個經(jīng)典的時序模型的預測結果，確定ARMA模型為最佳模型。最后，選取其他兩種類型的小區(qū)進行研究，發(fā)現(xiàn)了不同小區(qū)的流量時序模型的

3、相同之處。
　　 第二步，本文選取使用BP神經(jīng)網(wǎng)絡來進行預測研究。本文分別針對數(shù)據(jù)的預處理、訓練數(shù)據(jù)集大小以及輸入向量的大小分別進行了研究，以確定使用BP神經(jīng)網(wǎng)絡預測的一個最佳參數(shù)組合。實驗顯示，對原始數(shù)據(jù)取對數(shù)、訓練數(shù)據(jù)集大小為3以及輸入向量大小為3是一組最佳的參數(shù)組合。
　　 最后，本文使用KIII模型結合KNN算法來對小區(qū)的流量進行預測研究。在分析KIII模型預測方法的基礎上，對小區(qū)流量進行了預測，并分析了學習次數(shù)