CN105101254A - 一种小区性能指标的预测方法、装置及电子设备 - Google Patents
一种小区性能指标的预测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN105101254A CN105101254A CN201410196725.2A CN201410196725A CN105101254A CN 105101254 A CN105101254 A CN 105101254A CN 201410196725 A CN201410196725 A CN 201410196725A CN 105101254 A CN105101254 A CN 105101254A
- Authority
- CN
- China
- Prior art keywords
- value
- performance index
- estate performance
- measured value
- associated volume
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供一种小区性能指标的预测方法、装置及电子设备。方法包括:根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系;根据所述目标周期中所述关联量的取值和所述对应关系,确定所述第二测量值的第一预测值。本发明实施例能够实现小区性能指标的高效预测。
Description
技术领域
本发明涉及无线通信领域,尤其涉及一种小区性能指标的预测方法、装置及电子设备。
背景技术
影响无线网络指标的高低的主要因素有无线网络参数、物理环境、基站设备故障等。其中无线网络参数对指标的影响较为突出,也是可控性较强影响因素,在其他因素恒定的情况下调整无线网络参数,对应的无线网络指标将随着波动;基站设备故障能够通过后台监控告警获知,并且派单相关代维公司的维护人员进行处理;基站的地理环境对无线网络指标的影响相对比较复杂,信号受建筑或树木遮挡、河流和玻璃影响信号造成镜面效应、多雾或者下雨天气影响信号等,这些都可以通过对无线网络参数的调整提高无线网络指标。
无线网络参数对指标的影响的传统认知有以下几个特点:
专业性强:有相关通信技术专业背景或者扎实的通信理论知识的人员,比较容易理解参数与指标的关系,并且能够较好的应用于实践中;
实践经验长:网络优化工程师在网络优化过程中,不断的积累优化无线网络指标的经验和影响无线网络指标的参数。有经验的无线网络优化工程师能够准确的定位影响指标的参数,从而快速的优化无线网络。
发明内容
有鉴于此,本发明实施例的目的是提供一种小区性能指标的预测方法、装置及电子设备,以实现小区性能指标的高效预测。
为解决上述技术问题,本发明实施例提供方案如下:
本发明实施例提供一种小区性能指标的预测方法,包括:
根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系;
根据所述目标周期中所述关联量的取值和所述对应关系,确定所述第二测量值的第一预测值。
优选地,所述关联量的取值包括:影响所述第一小区性能指标的小区配置参数的配置值和与所述第一小区性能指标关联的其它小区相关指标的测量值。
优选地,还包括:
对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值,使得根据所述目标周期中所述调整后的配置值、所述其它小区相关指标的测量值和所述对应关系确定的所述目标周期中所述第二测量值的第二预测值所表征的第一小区性能,优于所述第一预测值所表征的第一小区性能;
输出所述调整后的配置值。
优选地,还包括:
判断所述第二测量值的预测值所表征的第一小区性能是否劣于所述第二测量值的设定预测门限值所表征的第一小区性能,获取一判断结果;
当所述判断结果为是时,进入所述对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值的步骤;
当所述判断结果为否时,输出所述目标周期中所述小区配置参数的配置值。
优选地,所述根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系包括:
获取各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值;
将各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值进行统计分析,得到同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系;
将所述同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系作为所述目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系。
本发明实施例还提供一种小区性能指标的预测装置,包括:
第一确定模块,用于根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系;
第二确定模块,用于根据所述目标周期中所述关联量的取值和所述对应关系,确定所述第二测量值的第一预测值。
优选地,所述关联量的取值包括:影响所述第一小区性能指标的小区配置参数的配置值和与所述第一小区性能指标关联的其它小区相关指标的测量值。
优选地,还包括:
调整模块,用于对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值,使得根据所述目标周期中所述调整后的配置值、所述其它小区相关指标的测量值和所述对应关系确定的所述目标周期中所述第二测量值的第二预测值所表征的第一小区性能,优于所述第一预测值所表征的第一小区性能;
第一输出模块,用于输出所述调整后的配置值。
优选地,还包括:
判断模块,用于判断所述第二测量值的预测值所表征的第一小区性能是否劣于所述第二测量值的设定预测门限值所表征的第一小区性能,获取一判断结果;
进入模块,用于当所述判断结果为是时,进入所述调整模块;
第二输出模块,用于当所述判断结果为否时,输出所述目标周期中所述小区配置参数的配置值。
优选地,所述第一确定模块包括:
获取单元,用于获取各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值;
分析单元,用于将各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值进行统计分析,得到同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系;
确定单元,用于将所述同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系作为所述目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系。
本发明实施例还提供一种包括以上所述的小区性能指标的预测装置的电子设备。
从以上所述可以看出,本发明实施例至少具有如下有益效果:
通过根据历史周期数据确定目标周期中小区性能指标的关联量的取值与小区性能指标的测量值的预测值之间的对应关系,以及据此和目标周期中关联量的取值确定该预测值,从而实现了小区性能指标的高效预测。
附图说明
图1表示工程师对性能指标变化趋势进行预测的示意图;
图2表示本发明实施例提供的一种小区性能指标的预测方法的步骤流程图;
图3表示本发明实施例的较佳实施方式的小区性能指标预测框图;
图4表示本发明实施例的较佳实施方式的小区性能指标SDCCH拥塞次数的预测验证示意图;
图5表示本发明实施例提供的一种小区性能指标的预测装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明实施例进行详细描述。
图2表示本发明实施例提供的一种小区性能指标的预测方法的步骤流程图,参照图2,本发明实施例提供一种小区性能指标的预测方法,包括如下步骤:
步骤201,根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系;
步骤202,根据所述目标周期中所述关联量的取值和所述对应关系,确定所述第二测量值的第一预测值。
可见,通过根据历史周期数据确定目标周期中小区性能指标的关联量的取值与小区性能指标的测量值的预测值之间的对应关系,以及据此和目标周期中关联量的取值确定该预测值,从而实现了小区性能指标的高效预测。这样,就使得网优人员能够快速积累网络优化经验。
其中,周期可以以日或小时为单位。
所述第一小区性能指标例如:独立专用控制信道(Stand-AloneDedicatedControlChannel,SDCCH)拥塞率。
所述对应关系的确定可以采用现有的各种建模方式,例如数据挖掘技术、神经网络建模技术、决策树建模技术等,实现。
所述关联量的取值可以包括:影响所述第一小区性能指标的小区配置参数的配置值和与所述第一小区性能指标关联的其它小区相关指标的测量值。
以小区性能指标为SDCCH拥塞率为例,影响所述第一小区性能指标的小区配置参数例如:小区场景维度方面的参数如无线传播环境参数;资源配置维度方面的参数如小区载频数、静态PDCH数、动态PDCH数、静态SDCCH数和动态SDCCH数;等等。与所述第一小区性能指标关联的其它小区相关指标例如:测量数据维度方面的参数如上行覆盖率、下行覆盖率和高干扰带比例;业务量维度方面的参数如SDCCH话务量和每线话务量;等等。
本发明实施例中,还可以包括:
对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值,使得根据所述目标周期中所述调整后的配置值、所述其它小区相关指标的测量值和所述对应关系确定的所述目标周期中所述第二测量值的第二预测值所表征的第一小区性能,优于所述第一预测值所表征的第一小区性能;
输出所述调整后的配置值。
这样,在确定了所述对应关系的前提下,通过对小区配置参数的配置值进行调整以及对不同配置值所对应的预测值进行比较,从而得到使第一小区性能更优的配置值,从而提高了配置值的优化效率。
其中,在所述第一小区性能指标的测量值越大表明所述第一小区性能越优的情况下,预测值越大,其所表征的第一小区性能越优,例如,吞吐量;反之,在所述第一小区性能指标的测量值越小表明所述第一小区性能越优的情况下,预测值越小,其所表征的第一小区性能越优,例如,掉话率。
其中,输出的所述调整后的配置值可以作为小区配置参数的建议配置值。
进一步地,还可以包括:
判断所述第二测量值的预测值所表征的第一小区性能是否劣于所述第二测量值的设定预测门限值所表征的第一小区性能,获取一判断结果;
当所述判断结果为是时,进入所述对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值的步骤;
当所述判断结果为否时,输出所述目标周期中所述小区配置参数的配置值。
这样,就能及时对不理想的参数配置进行调整。
本发明实施例中,所述根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系可以包括:
获取各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值;
将各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值进行统计分析,得到同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系;
将所述同一历史周期中所述关联量的取值与所述第一小区性能指标的测量值之间的对应关系作为所述目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系。
为将本发明实施例阐述得更加清楚明白,下面提供本发明实施例的较佳实施方式。
本较佳实施方式提供一种预测无线网络指标的方法。
通过检索发现,通过优化参数提升指标的方法众多,但是不存在通过参数值预测指标走势的专利文献,并且绝大多数的提升指标的方法都是后验式的,即发现指标下降,通过问题解决来提升指标,而本较佳实施方式是前验式,即考虑时间维度、小区场景维度、资源配置维度、测量数据维度、业务量维度等多种维度研究同类小区参数值和指标的关联程度,获取最优参数值,预测指标走势,及时准确的调整参数,从而提升网络指标。
同时,这种基于数据的预测方法,可以减少人工参与,降低网络优化的门槛,更快的帮助网优人员熟悉网络优化的方法,提升网络质量。
本较佳实施方式将考虑时间维度、小区场景维度、参数维度、资源配置维度、测量数据维度、业务量维度等多种维度综合分析评判无线性能指标,并可以推荐最优的参数取值。
该方法可以将现网出现问题调整相关问题解决的网络优化模式前推至提前预防现网问题,并给予解决方案。
本较佳实施方式包括5个模块,数据仓库模块、数据清洗模块、模型建立模块、模型验证模块、预测模块、建议模块。
1、数据仓库模块
数据仓库模块是小区数据的收集,包括但不限于以下粒度的数据:时间粒度、策略数据粒度、资源配置粒度、参数粒度、业务粒度、小区场景粒度、有意义的性能指标粒度,小区的所有粒度的数据都会在数据仓库中体现。
2、数据清洗模块
该模块将对数据仓库中的数据异常值进行清洗,并通过小区分类,将不同类型的小区汇总,进行下一步的模型建立。
3、模型建立模块
模型建立模块将针对清洗后的数据进行建模,建模的方法包括但不限于数据挖掘技术,例如神经网络、决策树等等。
4、模型验证模块
模型验证模块将通过现网的数据进行结果的验证。
5、预测模块
该模块将对小区的性能指标进行预测。
6、建议模块
该模块将根据预测模块的结果,对不理想的数据进行合理化建议。
下面将通过接入性指标中的“SDCCH拥塞次数”为例对本较佳实施方式进行进一步的说明:
选择时间粒度为2012年12月03日至2012年12月28日某市全部小区数据为例,选取每个小区测量数据粒度中的上行覆盖率、下行覆盖率、高干扰带比例数据,与SDCCH拥塞次数相关的性能指标中选取了PCH寻呼尝试次数、SDCCH试呼次数、话音信道试呼次数(不含切换)、小区切入试呼次数、上下行TBF尝试总数数据,业务粒度选取了SDCCH话务量、每线话务量数据,资源配置粒度选取了小区载频数、静态PDCH数、动态PDCH数、静态SDCCH数、动态SDCCH数数据,在参数粒度中选取了T3212、最大重发次数、扩展传输时隙数、小区重选滞后、小区重选偏置、RACH最小电平、随机接入错误门限、小区最大SD、空闲SD门限、最小接入电平、MS最大发射功率等级、T3101、T3107等参数作为数据仓库中的数据。具体如表1中所示。
表1
将数据仓库中的数据进行清洗,除去异常数据,并选取1276个高SDCCH话务量的小区作为SDCCH拥塞次数的模型建立的基础数据。
本例中采用神经网络方法进行模型的建立,模型的评价指标如表2所示,可以看出该模型正确分类达到95.06%。
同时,采用了另外的100个小区作为验证集合去验证该模型的正确性,如图4所示,L100+代表SDCCH拥塞次数超过100,L50-100代表SDCCH拥塞次数在50到100之间,L10-25代表SDCCH拥塞次数在10到25之间,L1-5代表SDCCH拥塞次数在1到5之间,L0-1代表SDCCH拥塞次数在0到1之间,L0代表SDCCH拥塞次数为0,从预测值与现网值的对比可以看出该模型可以较为准确的预测出小区的SDCCH拥塞次数。同时,本例也将该100个小区作为待预测的小区,给出了欲减少SDCCH拥塞次数的相关参数配置。
表2
同时,针对部分SDCCH拥塞率较高的小区,根据不同配置及无线参数等数据的组合可以给出小区设置的合理建议值,如表3所示。
表3
本较佳实施方式通过小区多项数据建模比较的方法可以较为简单的预测小区的指标值,并可以给出相关的设置建议,并且不同地理环境的地区可以相互借鉴,这种方式受到的人为因素较小,参数最优值相对明确,可以智能化处理、参数调整时间短,可以对大量的小区进行处理,极大的减小了网优人员培养时间和工作压力。
图5表示本发明实施例提供的一种小区性能指标的预测装置的结构框图,参照图5,本发明实施例还提供一种小区性能指标的预测装置,包括:
第一确定模块501,用于根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系;
第二确定模块502,用于根据所述目标周期中所述关联量的取值和所述对应关系,确定所述第二测量值的第一预测值。
可见,通过根据历史周期数据确定目标周期中小区性能指标的关联量的取值与小区性能指标的测量值的预测值之间的对应关系,以及据此和目标周期中关联量的取值确定该预测值,从而实现了小区性能指标的高效预测。这样,就使得网优人员能够快速积累网络优化经验。
其中,所述关联量的取值可以包括:影响所述第一小区性能指标的小区配置参数的配置值和与所述第一小区性能指标关联的其它小区相关指标的测量值。
本发明实施例中,还可以包括:
调整模块,用于对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值,使得根据所述目标周期中所述调整后的配置值、所述其它小区相关指标的测量值和所述对应关系确定的所述目标周期中所述第二测量值的第二预测值所表征的第一小区性能,优于所述第一预测值所表征的第一小区性能;
第一输出模块,用于输出所述调整后的配置值。
进一步地,还可以包括:
判断模块,用于判断所述第二测量值的预测值所表征的第一小区性能是否劣于所述第二测量值的设定预测门限值所表征的第一小区性能,获取一判断结果;
进入模块,用于当所述判断结果为是时,进入所述调整模块;
第二输出模块,用于当所述判断结果为否时,输出所述目标周期中所述小区配置参数的配置值。
本发明实施例中,所述第一确定模块501可以包括:
获取单元,用于获取各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值;
分析单元,用于将各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值进行统计分析,得到同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系;
确定单元,用于将所述同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系作为所述目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系。
本发明实施例还提供一种电子设备,所述电子设备包括以上所述的小区性能指标的预测装置。
以上所述仅是本发明实施例的实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明实施例原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明实施例的保护范围。
Claims (11)
1.一种小区性能指标的预测方法,其特征在于,包括:
根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系;
根据所述目标周期中所述关联量的取值和所述对应关系,确定所述第二测量值的第一预测值。
2.根据权利要求1所述的方法,其特征在于,所述关联量的取值包括:影响所述第一小区性能指标的小区配置参数的配置值和与所述第一小区性能指标关联的其它小区相关指标的测量值。
3.根据权利要求2所述的方法,其特征在于,还包括:
对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值,使得根据所述目标周期中所述调整后的配置值、所述其它小区相关指标的测量值和所述对应关系确定的所述目标周期中所述第二测量值的第二预测值所表征的第一小区性能,优于所述第一预测值所表征的第一小区性能;
输出所述调整后的配置值。
4.根据权利要求3所述的方法,其特征在于,还包括:
判断所述第二测量值的预测值所表征的第一小区性能是否劣于所述第二测量值的设定预测门限值所表征的第一小区性能,获取一判断结果;
当所述判断结果为是时,进入所述对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值的步骤;
当所述判断结果为否时,输出所述目标周期中所述小区配置参数的配置值。
5.根据权利要求1所述的方法,其特征在于,所述根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系包括:
获取各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值;
将各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值进行统计分析,得到同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系;
将所述同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系作为所述目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系。
6.一种小区性能指标的预测装置,其特征在于,包括:
第一确定模块,用于根据各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值,确定目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系;
第二确定模块,用于根据所述目标周期中所述关联量的取值和所述对应关系,确定所述第二测量值的第一预测值。
7.根据权利要求6所述的方法,其特征在于,所述关联量的取值包括:影响所述第一小区性能指标的小区配置参数的配置值和与所述第一小区性能指标关联的其它小区相关指标的测量值。
8.根据权利要求7所述的方法,其特征在于,还包括:
调整模块,用于对所述目标周期中所述小区配置参数的配置值进行调整,得到调整后的配置值,使得根据所述目标周期中所述调整后的配置值、所述其它小区相关指标的测量值和所述对应关系确定的所述目标周期中所述第二测量值的第二预测值所表征的第一小区性能,优于所述第一预测值所表征的第一小区性能;
第一输出模块,用于输出所述调整后的配置值。
9.根据权利要求8所述的方法,其特征在于,还包括:
判断模块,用于判断所述第二测量值的预测值所表征的第一小区性能是否劣于所述第二测量值的设定预测门限值所表征的第一小区性能,获取一判断结果;
进入模块,用于当所述判断结果为是时,进入所述调整模块;
第二输出模块,用于当所述判断结果为否时,输出所述目标周期中所述小区配置参数的配置值。
10.根据权利要求6所述的方法,其特征在于,所述第一确定模块包括:
获取单元,用于获取各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值;
分析单元,用于将各历史周期中第一小区性能指标的第一测量值和所述第一小区性能指标的关联量的取值进行统计分析,得到同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系;
确定单元,用于将所述同一历史周期中所述关联量的取值与所述第一小区性能指标的第一测量值之间的对应关系作为所述目标周期中所述关联量的取值与所述第一小区性能指标的第二测量值的预测值之间的对应关系。
11.一种电子设备,其特征在于,包括如权利要求6至10中任一权利要求所述的小区性能指标的预测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410196725.2A CN105101254A (zh) | 2014-05-09 | 2014-05-09 | 一种小区性能指标的预测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410196725.2A CN105101254A (zh) | 2014-05-09 | 2014-05-09 | 一种小区性能指标的预测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105101254A true CN105101254A (zh) | 2015-11-25 |
Family
ID=54580566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410196725.2A Pending CN105101254A (zh) | 2014-05-09 | 2014-05-09 | 一种小区性能指标的预测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105101254A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067077A (zh) * | 2016-06-01 | 2016-11-02 | 新奥泛能网络科技股份有限公司 | 一种基于神经网络的负荷预测方法及装置 |
CN109803222A (zh) * | 2018-12-13 | 2019-05-24 | 北京市天元网络技术股份有限公司 | 无线小区性能指标预测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070282671A1 (en) * | 2006-05-31 | 2007-12-06 | Caterpillar Inc. | System and method for generating a chain-weighted equipment price index |
CN101159976A (zh) * | 2007-08-24 | 2008-04-09 | ***通信集团设计院有限公司 | 一种预测话务量及信道配置的方法及装置 |
CN101541033A (zh) * | 2008-11-24 | 2009-09-23 | ***通信集团广东有限公司 | 小区话务拥塞自动分析及参数调整*** |
CN102883352A (zh) * | 2012-09-10 | 2013-01-16 | 北京拓明科技有限公司 | 基于话务建模与话务预测的gsm小区参数优化方法 |
CN103002495A (zh) * | 2012-12-25 | 2013-03-27 | 中国联合网络通信集团有限公司 | 无线网络结构的评估方法及装置 |
-
2014
- 2014-05-09 CN CN201410196725.2A patent/CN105101254A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070282671A1 (en) * | 2006-05-31 | 2007-12-06 | Caterpillar Inc. | System and method for generating a chain-weighted equipment price index |
CN101159976A (zh) * | 2007-08-24 | 2008-04-09 | ***通信集团设计院有限公司 | 一种预测话务量及信道配置的方法及装置 |
CN101541033A (zh) * | 2008-11-24 | 2009-09-23 | ***通信集团广东有限公司 | 小区话务拥塞自动分析及参数调整*** |
CN102883352A (zh) * | 2012-09-10 | 2013-01-16 | 北京拓明科技有限公司 | 基于话务建模与话务预测的gsm小区参数优化方法 |
CN103002495A (zh) * | 2012-12-25 | 2013-03-27 | 中国联合网络通信集团有限公司 | 无线网络结构的评估方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067077A (zh) * | 2016-06-01 | 2016-11-02 | 新奥泛能网络科技股份有限公司 | 一种基于神经网络的负荷预测方法及装置 |
CN109803222A (zh) * | 2018-12-13 | 2019-05-24 | 北京市天元网络技术股份有限公司 | 无线小区性能指标预测方法及装置 |
CN109803222B (zh) * | 2018-12-13 | 2020-10-16 | 北京市天元网络技术股份有限公司 | 无线小区性能指标预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103167534B (zh) | 通信事件的测量处理方法与装置、用户设备 | |
CN103686745B (zh) | 一种lte***中频率优化的方法及装置 | |
CN105636056A (zh) | 一种频谱资源自优化的节能方法、装置和*** | |
CN105120477B (zh) | 一种移动网络优化方法及*** | |
CN108243429B (zh) | 一种用于室内分布***的网络覆盖检测方法及*** | |
CN104168588A (zh) | 一种lte***干扰核查方法及装置 | |
CN105744553A (zh) | 一种网络关联分析方法及装置 | |
CN104901827B (zh) | 一种基于用户业务结构的网络资源评估方法及装置 | |
CN112702144B (zh) | 参数调整方法、装置、电子设备及计算机存储介质 | |
CN111328084A (zh) | 一种小区容量的评估方法及装置 | |
CN106358212A (zh) | 室内分布***的检测方法和装置 | |
CN114095856A (zh) | 用于基站节能的处理方法和处理装置 | |
CN106714189B (zh) | 一种小区过覆盖的分析方法及装置 | |
CN103002495A (zh) | 无线网络结构的评估方法及装置 | |
CN107155192B (zh) | 一种用户体验质量评估方法及装置 | |
CN108540299B (zh) | 一种网络故障定位处理方法及装置 | |
CN106998563B (zh) | 一种基于网络性能的室分***预警方法及装置 | |
CN105101254A (zh) | 一种小区性能指标的预测方法、装置及电子设备 | |
WO2006068559A1 (en) | Methods and arrangements for estimating uplink coverage in wireless communication networks with dynamic cell coverage | |
CN103118396B (zh) | 一种管理小小区网络的方法及基站 | |
CN106714204A (zh) | 一种邻区优化方法及装置 | |
CN103974321A (zh) | 一种直放站的监控方法和装置 | |
CN104378780A (zh) | 一种调整解调门限的方法和装置 | |
CN103188700B (zh) | 一种干扰识别方法及装置 | |
CN103379644A (zh) | 一种载波调度方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151125 |