數(shù)據(jù)挖掘在移動(dòng)網(wǎng)絡(luò)優(yōu)化中的應(yīng)用與實(shí)現(xiàn).pdf

1、本文針對(duì)數(shù)據(jù)挖掘技術(shù)在移動(dòng)網(wǎng)絡(luò)優(yōu)化應(yīng)用進(jìn)行研究，探討如何更有效的進(jìn)行移動(dòng)網(wǎng)絡(luò)優(yōu)化。 移動(dòng)網(wǎng)絡(luò)優(yōu)化包括無線網(wǎng)絡(luò)優(yōu)化和交換網(wǎng)絡(luò)優(yōu)化，無線網(wǎng)絡(luò)優(yōu)化中最壞小區(qū)的優(yōu)化至關(guān)重要，提出了基于聚類分析數(shù)據(jù)挖掘方法的最壞小區(qū)優(yōu)化方案。該方案分三個(gè)部分： 首先，通過樣本聚類將最壞小區(qū)挖掘出來，此種方法能迅速定位到性能最差的小區(qū)，是以往依靠統(tǒng)計(jì)查詢最壞小區(qū)所不能實(shí)現(xiàn)的； 然后，運(yùn)用變量聚類對(duì)最壞小區(qū)的各性能指標(biāo)進(jìn)行相關(guān)性分析，找出相關(guān)

2、性較大的性能指標(biāo)，根據(jù)分析結(jié)果制定優(yōu)化方案； 最后，及時(shí)針對(duì)性的采取優(yōu)化措施，做到有的放矢。 通過解決相關(guān)指標(biāo)來解決最壞小區(qū)，通過控制相關(guān)指標(biāo)預(yù)防最壞小區(qū)的產(chǎn)生，將原來的被動(dòng)優(yōu)化變?yōu)橹鲃?dòng)預(yù)防最壞小區(qū)的產(chǎn)生，達(dá)到提升無線網(wǎng)絡(luò)質(zhì)量的目的。交換網(wǎng)絡(luò)優(yōu)化中交換系統(tǒng)接通率的優(yōu)化同樣不可忽視，該指標(biāo)與中繼運(yùn)行情況相關(guān)，通過對(duì)中繼話務(wù)量的分析、預(yù)測(cè)來分析中繼運(yùn)行情況，提出了基于回歸統(tǒng)計(jì)數(shù)據(jù)挖掘方法預(yù)測(cè)中繼話務(wù)量方案。影響中繼話務(wù)的因素

3、不僅是時(shí)間因素(主要指季節(jié)變化)，影響中繼話務(wù)的因素還有VLR開機(jī)用戶數(shù)，用戶規(guī)模及其發(fā)展趨勢(shì)往往從總量上決定了中繼話務(wù)量的發(fā)展，因此建立中繼話務(wù)量與VLR開機(jī)用戶數(shù)及中繼話務(wù)量與時(shí)間兩個(gè)線性回歸模型，并預(yù)測(cè)中繼話務(wù)量，使中繼資源配置和利用最優(yōu)，提高了交換系統(tǒng)接通率，達(dá)到了提升交換網(wǎng)絡(luò)質(zhì)量的目的。 將這些方案在移動(dòng)網(wǎng)絡(luò)優(yōu)化領(lǐng)域進(jìn)行應(yīng)用與實(shí)現(xiàn)，打破了以往被動(dòng)統(tǒng)計(jì)的局面，通過科學(xué)的運(yùn)算、科學(xué)的預(yù)測(cè)來進(jìn)行移動(dòng)網(wǎng)絡(luò)優(yōu)化，提高了網(wǎng)絡(luò)質(zhì)量，