CN113014413B - 应用于通信***的阈值优化方法、装置和计算机可读介质 - Google Patents
应用于通信***的阈值优化方法、装置和计算机可读介质 Download PDFInfo
- Publication number
- CN113014413B CN113014413B CN201911330491.5A CN201911330491A CN113014413B CN 113014413 B CN113014413 B CN 113014413B CN 201911330491 A CN201911330491 A CN 201911330491A CN 113014413 B CN113014413 B CN 113014413B
- Authority
- CN
- China
- Prior art keywords
- variable
- observation
- communication system
- value range
- observation variable
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004891 communication Methods 0.000 title claims abstract description 63
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 230000004044 response Effects 0.000 claims abstract description 7
- 238000003066 decision tree Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开提供了一种应用于通信***的阈值优化方法,包括:响应于采集阶段开始,每隔预设时间执行下述步骤:采集通信***的若干个观测变量的实时值,得到采集数据;当各观测变量的实时值均处于对应的有效值域内时,则控制通信***执行预设操作,并获取通信***执行预设操作后的关键性能指标;根据关键性能指标对采集数据进行标记;响应于采集阶段结束,根据在采集阶段内的标记结果对至少一个观测变量所配置的判断阈值进行优化调整。本公开还提供了一种应用于通信***的阈值优化装置和计算机可读介质。
Description
技术领域
本公开涉及通信技术领域,特别涉及一种应用于通信***的阈值优化方法、装置和计算机可读介质。
背景技术
在通信***中,由于***的高复杂性,导致很多配置参数的阈值无法通过理论推导和仿真给出全局最优解甚至局部最优解,只能通过人为经验给出部分一般解。而结合实际情况,阈值在不同的环境中取值应有所不同,因此,通过人为经验将各阈值设置为一个固定值是不合理的,通过人工根据实际情况在***运行过程中校准各阈值也是难以实现的。
公开内容
本公开旨在至少解决现有技术中存在的技术问题之一,提出了一种应用于通信***的阈值优化方法、装置和计算机可读介质。
为实现上述目的,第一方面,本公开实施例提供了一种应用于通信***的阈值优化方法,包括:
响应于采集阶段开始,每隔预设时间执行下述步骤:
采集所述通信***的若干个观测变量的实时值,得到采集数据;
当各所述观测变量的实时值均处于对应的有效值域内时,则控制所述通信***执行预设操作,并获取所述通信***执行所述预设操作后的关键性能指标,其中,各所述观测变量配置有判断阈值,每个所述判断阈值将各自所对应的所述观测变量的可取值域划分为所述有效值域和非有效值域;
根据所述关键性能指标对所述采集数据进行标记;
响应于采集阶段结束,根据在所述采集阶段内的标记结果对至少一个所述观测变量所配置的判断阈值进行优化调整。
第二方面,本公开实施例提供了一种通信***的阈值优化装置,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例中所述的方法。
第三方面,本公开实施例提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中所述的方法中的步骤。
本公开具有以下有益效果:
本公开实施例提供了一种应用于通信***的阈值优化方法和装置,可实现根据通信***的实时情况,不依赖于离线训练和全局试探,使得***中配置的各个阈值智能地逐步地向理想值靠近,在对通信***关键性能指标影响可控的前提下,进行在线的阈值动态优化调整。
附图说明
图1为本公开实施例提供的一种应用于通信***的阈值优化方法的流程图;
图2为本公开实施例提供的另一种应用于通信***的阈值优化方法的流程图;
图3a为本公开实施例提供的另一种应用于通信***的阈值优化方法的流程图;
图3b为步骤S00中决策树的一种具体示意图;
图4为本公开实施例提供的又一种应用于通信***的阈值优化方法的流程图;
图5为本公开实施例步骤S401b的一种具体实施方法流程图;
图6为本公开实施例步骤S402b的一种具体实施方法流程图。
具体实施方式
为使本领域的技术人员更好地理解本公开的技术方案,下面结合附图对本公开提供的应用于通信***的阈值优化方法、装置和计算机可读介质进行详细描述。
在下文中将参考附图更充分地描述示例实施例,但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之,提供这些实施例的目的在于使本公开透彻和完整,并将使本领域技术人员充分理解本公开的范围。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其群组。
将理解的是,虽然本文可以使用术语第一、第二等来描述各种元件,但这些元件不应当受限于这些术语。这些术语仅用于区分一个元件和另一元件。因此,在不背离本公开的指教的情况下,下文讨论的第一元件、第一组件或第一模块可称为第二元件、第二组件或第二模块。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
本公开所提供的应用于通信***的阈值优化方法和装置可用于根据观测变量的实时值,对其所配置的判断阈值进行在线优化调整。
图1为本公开实施例提供的一种应用于通信***的阈值优化方法的流程图,如图1所示,该方法包括:
响应于采集阶段开始,每隔预设时间执行下述步骤S1至步骤S3。
步骤S1、采集通信***的若干个观测变量的实时值,得到采集数据。
在一些实施例中,各观测变量的实时值可直接作为采集数据,例如,用户数、信号强度和时延等;同时存在需将实时值进行相应计算后的计算结果作为采集数据的情况,例如,使用率、负荷率和滞后率等。
步骤S2、当各观测变量的实时值均处于对应的有效值域内时,则控制通信***执行预设操作,并获取通信***执行预设操作后的关键性能指标(Key PerformanceIndicators,简称KPI)。
在步骤S2中,各观测变量配置有判断阈值,每个判断阈值将各自所对应的观测变量的可取值域划分为有效值域和非有效值域。
其中,关键性能指标适用于衡量当前通信网络状态和通信***运行状态,可包括:无线资源特性、***资源特性和传输特性等。
在一些实施例中,各观测变量进行配置的判断阈值可通过电平、门限和阈值等形式进行表示,可根据场景的变化对判断阈值进行调整。
步骤S3、根据关键性能指标对采集数据进行标记。
步骤S4、响应于采集阶段结束,根据在采集阶段内的标记结果对至少一个观测变量所配置的判断阈值进行优化调整。
在一些实施例中,可根据全部标记结果中总样本的数量、正样本和负样本相对于总样本的比例、正样本和负样本在时域上的密集程度等进行优化调整。
图2为本公开实施例提供的一种应用于通信***的阈值优化方法的流程图。如图2所示,该方法为基于图1所示方法的一种具体化可选实施方案,该方法包括:
响应于采集阶段开始,每隔预设时间执行下述步骤:
步骤S1、采集通信***的若干个观测变量的实时值,得到采集数据。
步骤S201a、判断各观测变量的实时值是否均处于对应的有效值域内。
在步骤S201a中,当判断出各观测变量的实时值均处于对应的有效值域内时,执行步骤S2;当判断出各观测变量的实时值未均处于对应的有效值域内时,则待下一个预设时间继续执行步骤S1,采集通信***的若干个观测变量的实时值的步骤。
步骤S2、控制通信***执行预设操作,并获取通信***执行预设操作后的关键性能指标。
步骤S3、根据关键性能指标对采集数据进行标记。
在步骤S3之后,默认进行一次对采集阶段当前状态的判定,以判断采集阶段是否结束,当判断出采集阶段结束时,执行步骤S4;当判断出采集阶段未结束时,则待下一个预设时间继续执行步骤S1,采集通信***的若干个观测变量的实时值的步骤。
在一些实施例中,可将采集数据的数量、某类样本的数量和采集阶段的预设时限等作为判断采集阶段是否结束的判断要素。
步骤S4、根据在采集阶段内的标记结果对至少一个观测变量所配置的判断阈值进行优化调整。
本公开实施例提供了一种应用于通信***的阈值优化方法,该方法可用于根据***执行预设操作后的关键性能指标对各观测变量的实时值进行评价性标记,根据标记结果对各观测变量所配置的判断阈值进行智能优化调整。
图3a为本公开实施例提供的另一种应用于通信***的阈值优化方法的流程图。如图3a所示,该方法为基于图2所示方法的一种具体化可选实施方案,具体如下:
步骤S00、根据各观测变量所配置的判断阈值生成决策树模型。
其中,该决策树模型中的决策树包括:与观测变量一一对应的若干层非叶子节点和位于最底层的叶子节点,每一层的全部非叶子节点对应一个观测变量,每个非叶子节点根据所对应的观测变量的判断阈值配置有两个分支,该两个分支中的一者对应于该观测变量的有效值域,另一者对应于该观测变量的非有效值域。
图3b为步骤S00中决策树的一种具体示意图。如图3b所示,该决策树共有五层,前四层各层的全部非叶子节点分别对应第一变量、第二变量、第三变量和第四变量,各非叶子节点的左分支对应于各自所对应的观测变量的有效值域,各非叶子节点的右分支对应于各自所对应的观测变量的非有效值域,则最后一层中最左侧的非叶子结点即为后续步骤中的特定叶子结点。
响应于采集阶段开始,每隔预设时间执行下述步骤:
步骤S1、采集通信***的若干个观测变量的实时值,得到采集数据。
步骤S201b、将采集数据输入至决策树模型中进行处理,得到处理结果,检测处理结果中的叶子节点是否为特定叶子节点。
其中,特定叶子节点为覆盖各观测变量的有效值域所对应分支的一条路径上的叶子节点。
在一些实施例中,可给该特定叶子节点配置不同于其他叶子节点的节点标识以进行区分。
在步骤S201b中,当处理结果中的叶子节点为特定叶子节点时,则判断出各观测变量的实时值均处于对应的有效值域内,根据该判断结果,后续执行步骤S2;当处理结果中的叶子节点不是特定叶子节点时,则判断出各观测变量的实时值未均处于对应的有效值域内,根据该判断结果,待下一个预设时间继续执行步骤S1,采集通信***的若干个观测变量的实时值的步骤。
步骤S2、控制通信***执行预设操作,并获取通信***执行预设操作后的关键性能指标。
步骤S3、根据关键性能指标对采集数据进行标记。
步骤S401a、统计决策树模型所输出的处理结果为特定叶子节点的累计数量。
在步骤S401a中,统计决策树模型所输出的处理结果为特定叶子节点的累计数量,即统计落入特定叶子节点的样本数量。
步骤S402a、检测累计数量是否达到累计阈值。
其中,该累计阈值即为叶子节点稳定门限。
在步骤S402a中,当检测出累计数量达到累计阈值时,则确定出采集阶段结束,后续执行步骤S4;当检测出累计数量未达到累计阈值时,则采集阶段未结束,待下一个预设时间继续执行步骤S1,采集通信***的若干个观测变量的实时值的步骤。
步骤S4、根据在采集阶段内的标记结果对至少一个观测变量所配置的判断阈值进行优化调整。
在一些实施例中,对判断阈值进行优化调整过程可在决策树模型中对应进行,该优化调整过程可具体以非叶子节点***的形式进行。
步骤S5、根据优化调整后的判断阈值更新决策树模型。
在步骤S5中,根据优化调整后的判断阈值更新决策树模型,即在特定叶子节点及所在的路径不变的前提下,更新每个非叶子节点所对应的判断阈值。
本公开实施例提供了一种应用于通信***的阈值优化方法,该方法可用于通过建立决策树模型细化采集数据标记流程和采集阶段状态判断流程,强化采集数据判断流程的逻辑性和内在联系。
图4为本公开实施例提供的又一种应用于通信***的阈值优化方法的流程图。如图4所示,该方法为基于图2所示方法的一种具体化可选实施方案。具体地,在步骤S3中,若关键性能指标小于预设指标值则将采集数据标记为负样本,反之将采集数据标记为正样本;该方法不仅包括步骤S1~步骤S3,还包括步骤S401b和步骤S402b,步骤S401b和步骤S402b是实现前述步骤S4的一种可选实施手段。下面仅对步骤S401b和步骤S402b进行详细描述。
步骤S401b、当标记结果内全部为正样本时,将各观测变量所配置的判断阈值向非有效值域的方向进行调整。
其中,当标记结果内全部为正样本时,存在当前判断阈值已配置为理想值、配置相对合理和配置较为严格的多种情况。将各观测变量所配置的判断阈值向非有效值域的方向进行调整,即扩大各观测变量的有效值域的过程。
图5为本公开实施例步骤S401b的一种具体实施方法流程图。如图5所示,在步骤S401b中,将各观测变量所配置的判断阈值向非有效值域的方向进行调整,具体包括:步骤S4011和步骤S4012。
步骤S4011、确定各观测变量所对应的探索步长。
在一些实施例中,该探索步长可设置为固定探索步长或动态探索步长,针对各观测变量可根据实际情况设置相同或不同的探索步长。
例如,针对基站节能场景设定固定探索步长。此时,通信***包括节能小区和底层覆盖小区,控制通信***执行的预设操作包括关闭节能小区;其中,观测变量包括:节能小区上行负荷率、节能小区下行负荷率、双小区上行总负荷率和双小区下行总负荷率;对应的判断阈值包括:节能小区上行负荷容忍门限t1、节能小区下行负荷门限t2、节能时底层覆盖小区上行负荷容忍门限t3和节能时底层覆盖小区下行负荷容忍门限t4;可设置t1=0.2,t2=0.2,t3=0.65,以及t4=0.7,对应设置探索步长len1=len2=len3=len4=0.05。
针对电能计量异常诊断场景设定固定探索步长。此时,通信***包括电能计量终端,控制通信***执行的预设操作包括上报异常信息;其中,观测变量包括:本相电压、本相电流和持续时间;对应的判断阈值包括:额定电压u、额定电流v和时间阈值h;可设置u=0.8um,v=0.1vm,以及h=1,对应设置探索步长lenu=0.05,lenv=0.05,lenh=0.1。
步骤S4012、针对每一个观测变量,将该观测变量所配置的判断阈值以对应的探索步长向非有效值域的方向进行调整。
其中,将该观测变量所配置的判断阈值以对应的探索步长向非有效值域的方向进行调整,即为将判断阈值根据对应的探索步长进行增大或减小以扩大各观测变量的有效值域的过程。
步骤S402b、当标记结果内部分为正样本且部分为负样本时,选取一个观测变量作为待调整变量,并对待调整变量所配置的判断阈值向有效值域的方向进行调整。
其中,当标记结果内部分为正样本且部分为负样本时,表示当前判断阈值配置相对不合理,有效值域设置较为宽松。对待调整变量所配置的判断阈值向有效值域的方向进行调整,即缩小待调整变量的有效值域的过程。
需要说明的是,不同于标记结果内全部为正样本的情况,当标记结果内部分为正样本且部分为负样本时,只针对其中一个观测变量所配置的判断阈值进行优化调整。
在标记结果内全部为正样本时,针对各观测变量所配置的判断阈值进行优化调整是为了将判断阈值的配置理想化,在每个判断阈值都合理的前提下减小过拟合;在部分为正样本且部分为负样本时,只针对其中一个观测变量所配置的判断阈值进行优化调整是为了将判断阈值的配置合理化,在并非每个判断阈值都合理的前提下,选择稳定度最差的判断阈值进行单独优化,提升整体的合理性。
另外,当标记结果内全部为负样本时,则表明判断阈值进行初始配置时与其理想值的偏差较大,此时可提示判断阈值配置人员将判断阈值做较大范围的调整。
图6为本公开实施例步骤S402b的一种具体实施方法流程图。如图6所示,在步骤S402b中,选取一个所述观测变量作为待调整变量,并对所述待调整变量所配置的判断阈值进行优化调整的步骤,具体包括:步骤S4021~步骤S4023。
步骤S4021、针对每一个观测变量,根据全部正样本和全部负样本中对应于该观测变量的数值,参考CART算法,计算出该观测变量所对应的***值和基尼系数。
其中,对全部正样本和全部负样本中对应于该观测变量的数值从小到大进行排序,计算相邻两个数值的均值,并根据该观测变量的数值和各均值计算基尼系数,将基尼系数最小的均值作为***值,将该***值的基尼系数作为该观测变量对应的基尼系数。
步骤S4022、确定出基尼系数最小的一个观测变量,作为待调整变量。
参见步骤S402b中的描述,确定出基尼系数最小的一个观测变量,作为待调整变量,即选择稳定度最小的判断阈值作为优化调整对象的过程。
步骤S4023、将待调整变量所配置的判断阈值调整为对应的***值。
本公开实施例提供了一种应用于通信***的阈值优化方法,该方法可用于根据评价性的标记结果,针对已相对合理的判断阈值进行相应小步探索,针对相对不合理的判断阈值最大化地提升其合理性。
下面对本公开中阈值优化方法的步骤流程结合实际应用进行详细描述,具体地,针对基站节能场景,其中,通信***包括节能小区和底层覆盖小区,控制通信***执行的预设操作包括关闭节能小区,将阈值优化方法应用于该场景的步骤流程如下:
首先,根据各观测变量所配置的判断阈值生成决策树模型。其中,观测变量包括:节能小区上行负荷率、节能小区下行负荷率、双小区上行总负荷率和双小区下行总负荷率;对应的判断阈值包括:节能小区上行负荷容忍门限、节能小区下行负荷门限、节能时底层覆盖小区上行负荷容忍门限和节能时底层覆盖小区下行负荷容忍门限,根据专家经验对判断阈值进行配置。具体的生成过程可参见前述实施例,此处不再赘述。
生成决策树模型之后,响应于采集阶段开始,每隔预设时间执行下述步骤:采集各观测变量的实时值,得到采集数据;将采集数据输入至决策树模型中进行处理,得到处理结果,检测处理结果中的叶子节点是否为特定叶子节点;当处理结果中的叶子节点为特定叶子节点时,控制执行关闭节能小区的操作,并获取执行该操作后的关键性能指标;根据关键性能指标对采集数据进行标记,若关键性能指标小于预设指标值则将采集数据标记为负样本,反之将采集数据标记为正样本;统计决策树模型所输出的处理结果为特定叶子节点的累计数量,并检测累计数量是否达到累计阈值。
当检测出累计数量达到累计阈值时,监测标记结果。当标记结果内全部为正样本时,则可根据各观测变量在前一个采集阶段所对应的探索步长和在当前采集阶段所对应的步长系数,计算得到各观测变量在当前采集阶段所对应的探索步长。
在一些实施例中,可根据底层覆盖小区的上行带宽,在前一个采集阶段内当节能小区被关闭时底层覆盖小区的最大上行负荷,以及在前两个采集阶段内当节能小区被关闭时底层覆盖小区的最大上行负荷,计算得到各观测变量在当前采集阶段所对应的步长系数。
作为一种具体可选方案,可根据下式,分别计算各观测变量在当前采集阶段所对应的探索步长:
Li=Li'*ai;
其中,Li表示第i个观测变量在当前采集阶段所对应的探索步长,Li'表示第i个观测变量在前一个采集阶段所对应的探索步长,初始探索步长提前进行设置;ai表示第i个观测变量在当前采集阶段所对应的步长系数;bi表示针对第i个观测变量所预先配置的调节系数,0<bi≤1,越靠近1越激进,该调节系数提前进行设置;B表示底层覆盖小区的上行带宽,M表示在前一个采集阶段内当节能小区被关闭时底层覆盖小区的最大上行负荷,M'表示在前两个采集阶段内当节能小区被关闭时底层覆盖小区的最大上行负荷;i为整数且1≤i≤N,N为观测变量的数量;针对每一个观测变量,将该观测变量所配置的判断阈值以对应的探索步长向非有效值域的方向进行调整。
当标记结果内部分为正样本且部分为负样本时,针对每一个观测变量,根据全部正样本和全部负样本中对应于该观测变量的数值,参考CART算法,计算出该观测变量所对应的***值和基尼系数;将基尼系数最小的一个观测变量作为待调整变量;将待调整变量所配置的判断阈值调整为对应的***值。
最后,根据优化调整后的判断阈值更新决策树模型。
至此,完成基站节能场景一个采集阶段的阈值优化。
本公开实施例提供了一种通信***的阈值优化装置,包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当该一个或多个程序被该一个或多个处理器执行,使得该一个或多个处理器实现上述实施例中的任一方法。
本公开实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述实施例中的任一方法中的步骤。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文已经公开了示例实施例,并且虽然采用了具体术语,但它们仅用于并仅应当被解释为一般说明性含义,并且不用于限制的目的。在一些实例中,对本领域技术人员显而易见的是,除非另外明确指出,否则可单独使用与特定实施例相结合描述的特征、特性和/或元素,或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此,本领域技术人员将理解,在不脱离由所附的权利要求阐明的本公开的范围的情况下,可进行各种形式和细节上的改变。
Claims (12)
1.一种应用于通信***的阈值优化方法,其中,包括:
响应于采集阶段开始,每隔预设时间执行下述步骤:
采集所述通信***的若干个观测变量的实时值,得到采集数据;
当各所述观测变量的实时值均处于对应的有效值域内时,则控制所述通信***执行预设操作,并获取所述通信***执行所述预设操作后的关键性能指标,其中,各所述观测变量配置有判断阈值,每个所述判断阈值将各自所对应的所述观测变量的可取值域划分为所述有效值域和非有效值域;
根据所述关键性能指标对所述采集数据进行标记;
响应于采集阶段结束,当所述标记结果内全部为正样本时,将各所述观测变量所配置的判断阈值向所述非有效值域的方向进行调整;
当所述标记结果内部分为正样本且部分为负样本时,对待调整变量所配置的判断阈值向所述有效值域的方向进行调整;
其中,根据所述关键性能指标对所述采集数据进行标记时,若所述关键性能指标小于预设指标值则将所述采集数据标记为负样本,反之将所述采集数据标记为正样本。
2.根据权利要求1所述的方法,其中,所述对待调整变量所配置的判断阈值向所述有效值域的方向进行调整,包括:
选取一个所述观测变量作为所述待调整变量,并对所述待调整变量所配置的判断阈值向所述有效值域的方向进行调整。
3.根据权利要求2所述的方法,其中,所述将各所述观测变量所配置的判断阈值向非有效值域的方向进行调整的步骤,具体包括:
确定各所述观测变量所对应的探索步长;
针对每一个所述观测变量,将该观测变量所配置的判断阈值以对应的所述探索步长向所述非有效值域的方向进行调整。
4.根据权利要求3所述的方法,其中,所述通信***包括节能小区和底层覆盖小区,所述预设操作包括:关闭所述节能小区。
5.根据权利要求4所述的方法,其中,确定各所述观测变量所对应的探索步长的步骤,具体包括:
根据各所述观测变量在前一个采集阶段所对应的探索步长和在当前采集阶段所对应的步长系数,计算得到各所述观测变量在当前采集阶段所对应的探索步长。
6.根据权利要求5所述的方法,其中,根据所述底层覆盖小区的上行带宽,在前一个采集阶段内当所述节能小区被关闭时所述底层覆盖小区的最大上行负荷,以及在前两个采集阶段内当所述节能小区被关闭时所述底层覆盖小区的最大上行负荷,计算得到各所述观测变量在当前采集阶段所对应的所述步长系数。
7.根据权利要求2所述的方法,其中,所述选取一个所述观测变量作为待调整变量,并对所述待调整变量所配置的判断阈值进行优化调整的步骤,具体包括:
针对每一个所述观测变量,根据全部所述正样本和全部所述负样本中对应于该观测变量的数值,参考CART算法,计算出该所述观测变量所对应的***值和基尼系数;
确定出基尼系数最小的一个所述观测变量,作为所述待调整变量;
将所述待调整变量所配置的所述判断阈值调整为对应的所述***值。
8.根据权利要求1所述的方法,其中,在采集阶段开始之前,还包括:
根据各所述观测变量所配置的判断阈值生成决策树模型;
其中,所述决策树模型中的决策树包括:与所述观测变量一一对应的若干层非叶子节点和位于最底层的叶子节点,每一层的全部非叶子节点对应一个观测变量,每个非叶子节点根据所对应的所述观测变量的判断阈值配置有两个分支,该两个分支中的一者对应于该观测变量的有效值域,另一者对应于该观测变量的非有效值域;
在所述控制所述通信***执行预设操作的步骤之前,还包括:
将所述采集数据输入至所述决策树模型中进行处理,得到处理结果,当处理结果中的叶子节点为特定叶子节点时,则满足各所述观测变量的实时值均处于对应的所述有效值域内的条件,其中,所述特定叶子节点为覆盖各所述观测变量的有效值域所对应分支的一条路径上的叶子节点。
9.根据权利要求8所述的方法,其中,所述根据在所述采集阶段内的标记结果对至少一个所述观测变量所配置的判断阈值进行优化调整的步骤之前,还包括:
统计所述决策树模型所输出的处理结果为特定叶子节点的累计数量;
当所述累计数量达到累计阈值时,则确定出采集阶段结束。
10.根据权利要求8所述的方法,其中,在所述根据在所述采集阶段内的标记结果对至少一个所述观测变量所配置的判断阈值进行优化调整的步骤之后,还包括:
根据优化调整后的判断阈值更新所述决策树模型。
11.一种应用于通信***的阈值优化装置,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法中的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911330491.5A CN113014413B (zh) | 2019-12-20 | 2019-12-20 | 应用于通信***的阈值优化方法、装置和计算机可读介质 |
EP20903259.8A EP4080825A4 (en) | 2019-12-20 | 2020-12-17 | METHOD AND DEVICE FOR THRESHOLD OPTIMIZATION FOR A COMMUNICATION SYSTEM AND COMPUTER READABLE MEDIUM |
JP2022534783A JP7348401B2 (ja) | 2019-12-20 | 2020-12-17 | 通信システムに適用される閾値最適化方法、装置およびコンピュータ可読媒体 |
PCT/CN2020/137301 WO2021121336A1 (zh) | 2019-12-20 | 2020-12-17 | 应用于通信***的阈值优化方法、装置和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911330491.5A CN113014413B (zh) | 2019-12-20 | 2019-12-20 | 应用于通信***的阈值优化方法、装置和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113014413A CN113014413A (zh) | 2021-06-22 |
CN113014413B true CN113014413B (zh) | 2024-07-09 |
Family
ID=76382388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911330491.5A Active CN113014413B (zh) | 2019-12-20 | 2019-12-20 | 应用于通信***的阈值优化方法、装置和计算机可读介质 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4080825A4 (zh) |
JP (1) | JP7348401B2 (zh) |
CN (1) | CN113014413B (zh) |
WO (1) | WO2021121336A1 (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006287601A (ja) * | 2005-03-31 | 2006-10-19 | Toshiba Corp | 移動通信システム及び基地局装置 |
CN101588596A (zh) * | 2008-05-23 | 2009-11-25 | ***通信集团公司 | 一种控制半速率信道使用数目的方法、装置及*** |
CN108696929A (zh) * | 2017-04-05 | 2018-10-23 | 上海诺基亚贝尔股份有限公司 | 一种动态调整cca能量检测阈值的方法与装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4259753B2 (ja) * | 1997-10-13 | 2009-04-30 | クゥアルコム・インコーポレイテッド | 最適化電力制御用の装置および方法 |
US8301149B2 (en) * | 2009-02-12 | 2012-10-30 | Optimi Corporation | Call quality and coverage improvement in mobile wireless communication networks |
US9413890B2 (en) * | 2014-01-08 | 2016-08-09 | Avaya Inc. | Systems and methods for monitoring and prioritizing metrics with dynamic work issue reassignment |
CA3198484A1 (en) * | 2014-06-30 | 2016-01-07 | Amazon Technologies, Inc. | Feature processing tradeoff management |
US9578530B2 (en) * | 2014-12-09 | 2017-02-21 | Futurewei Technologies, Inc. | Method and apparatus for determining cell states to adjust antenna configuration parameters |
CN108205683B (zh) * | 2016-12-20 | 2020-06-09 | 中国科学院沈阳自动化研究所 | 基于可见光卫星图片的红外目标识别***阈值优化方法 |
US20180330250A1 (en) * | 2017-05-09 | 2018-11-15 | Nec Laboratories America, Inc. | Energy management system with intelligent anomaly detection and prediction |
CN108228377B (zh) * | 2017-12-29 | 2020-07-07 | 华中科技大学 | 一种面向磁盘故障检测的smart阈值优化方法 |
US11429894B2 (en) * | 2018-02-28 | 2022-08-30 | Google Llc | Constrained classification and ranking via quantiles |
-
2019
- 2019-12-20 CN CN201911330491.5A patent/CN113014413B/zh active Active
-
2020
- 2020-12-17 WO PCT/CN2020/137301 patent/WO2021121336A1/zh unknown
- 2020-12-17 JP JP2022534783A patent/JP7348401B2/ja active Active
- 2020-12-17 EP EP20903259.8A patent/EP4080825A4/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006287601A (ja) * | 2005-03-31 | 2006-10-19 | Toshiba Corp | 移動通信システム及び基地局装置 |
CN101588596A (zh) * | 2008-05-23 | 2009-11-25 | ***通信集团公司 | 一种控制半速率信道使用数目的方法、装置及*** |
CN108696929A (zh) * | 2017-04-05 | 2018-10-23 | 上海诺基亚贝尔股份有限公司 | 一种动态调整cca能量检测阈值的方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2023505537A (ja) | 2023-02-09 |
WO2021121336A1 (zh) | 2021-06-24 |
WO2021121336A9 (zh) | 2022-05-12 |
JP7348401B2 (ja) | 2023-09-20 |
EP4080825A1 (en) | 2022-10-26 |
CN113014413A (zh) | 2021-06-22 |
EP4080825A4 (en) | 2023-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800446B (zh) | 一种锂离子电池放电过程电压不一致性估计方法及装置 | |
CN110941929A (zh) | 一种基于ARMA和Elman神经网络联合建模的电池健康状态评估方法 | |
CN111914485B (zh) | 一种基于分数阶技术的自适应动力电池soc估计方法及*** | |
CN109581086A (zh) | 基于线性回归处理的台区相位识别方法 | |
CN115146723A (zh) | 基于深度学习和启发式算法的电化学模型参数辨识方法 | |
CN113791351B (zh) | 基于迁移学习和差值概率分布的锂电池寿命预测方法 | |
CN113014413B (zh) | 应用于通信***的阈值优化方法、装置和计算机可读介质 | |
CN111914000B (zh) | 一种基于功耗预测模型的服务器功率封顶方法、*** | |
CN107808209B (zh) | 基于加权kNN距离的风电场异常数据辨识方法 | |
CN116449081B (zh) | 具有自适应调控功能的数据采集***、装置及存储介质 | |
CN117394436A (zh) | 基于随机场景分析的光伏承载能力评估方法及*** | |
CN116449244A (zh) | 基于单次放电曲线的锂电池老化轨迹早期预测方法及*** | |
CN116224085A (zh) | 一种基于数据驱动的锂电池健康状态评估方法 | |
CN107515374B (zh) | 一种应用于agv车soc估算动态调整滤波增益的方法 | |
CN116184036A (zh) | 基于神经网络的电力电子变换器参数在线辨识方法及*** | |
CN113625054B (zh) | 一种电网阻抗检测装置、逆变器及电网阻抗检测方法 | |
CN114710116A (zh) | 一种基于模糊模型的光伏电池组件的实测建模方法及*** | |
CN112487748B (zh) | 一种考虑时频域特性的锂离子电池分数阶模型建立方法 | |
CN114137431A (zh) | 一种适用于循环工况的燃料电池寿命预测方法 | |
CN117811169B (zh) | 电池主动均衡管理*** | |
CN116908694B (zh) | 一种家用储能***的soh估算方法 | |
CN115498661B (zh) | 一种计及新能源的电力***调频参数聚合方法及*** | |
CN115146532A (zh) | 一种光模块性能的预测方法、装置、电子设备和存储介质 | |
CN117851955B (zh) | 一种柔直电容器状态检测方法及*** | |
CN116960487B (zh) | 考虑单体不一致性的钠离子电池***容量估计方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |