先验式网络质量指标提升方法研究

（中国移动通信集团设计院有限公司，北京 100080）

先验式网络质量指标提升方法研究

王西点，程楠，王磊

（中国移动通信集团设计院有限公司，北京 100080）

提出了一种先验式的网络质量指标提升方法，其通过数据挖掘的方法考量时间、小区场景、资源配置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。

无线参数；性能指标；数据挖掘；神经网络

目前，中国移动网络规模和复杂程度使网优工作的重要性日益凸显，网络优化工作显得尤为重要。而网络运行质量指标KPI是运营商了解网络运行状况，快速发现网络问题的重要工具，运营商可根据网络运行质量指标对网络的结构、配置及参数等进行调整，使网络更高效运行，这也是网络优化工作中的重要部分。在影响KPI高低的各种参数中，无线参数对指标的影响较为突出，故参数优化是网络优化的重要手段之一。在其它因素恒定情况下调整无线参数，对应的KPI指标将随着波动。因此，需要进一步研究和定量分析新的参数优化及管理思路在参数调整中对网络运行质量指标的影响，从而更好的提升网络优化效果。

目前，绝大多数的网络运行质量指标提升方法都是后验式的，即发现指标下降，通过问题解决来提升指标，并且主要通过网优工程师实现，对工程师的专业性和实践经验要求高，并需要借用多种手段，例如查看OMC、厂家的自有工具、路测等方式排查问题。此方法效率较低，一个问题往往几小时甚至几天才能解决，且通常考虑的指标及参数少，达不到最优的调节效果。

本文提出一种先验式的网络质量指标提升方法，其通过数据挖掘的方法考量时间、小区场景、资源配置、测量数据、业务量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。

1 先验式的网络质量指标提升流程

对于网络优化工作来说，全网呈现的网络业务特征以及质量指标是一个多维度因素相互作用和制约的综合结果。先验式的网络质量指标提升的工作流程如图1所示，需要将多类维度的数据形成的数据仓库进行梳理、映射，通过训练集数据建立网络优化学习过程的计算模型或认识模型，并通过对模型的验证来判断模型的正确性，通过检验的模型可针对目标指标进行预测，预测效果差的小区会通过调整输入数据重新进行预测，并给出修改建议。

在无线网络中，影响网络质量的因素维度较多，在不同的网络结构、参数配置、用户行为等多维度因素影响下，可能会导致各类网络性能呈现出完全不同的情况，这可以看作是一种极为复杂的多元非线性函数关系。

首先，需要理清各维度参数对网络质量指标的贡献程度，即计算各维度参数与网络质量指标的相关性，相关性计算将采用式（1）进行计算：

其中，Ki表示网络质量指标KPIi，Pi表示参数Pi，，表示KPIi和Pi的均值，，表示KPIi和Pi的方差。

将相关性强的参数列入考量的范围，计算各参数对KPI贡献的权值，计算方法如式（2）所示：

其中，βij表示参数Pj对Ki的权值。

本文主要采用人工神经网络中的BP神经网络对无线网络性能预测需求进行了建模，理论上，经过海量数据训练的多层神经网络可以拟合任意复杂的非线性模型。

2 先验式的网络质量指标方法验证

由于中国移动GSM网络运营时间最长，并且具有海量的运维数据，本文将对GSM网络的TCH拥塞次数（含切换）、SDCCH拥塞次数、GSM半速率话务占比三项无线网络性能指标的进行建模和预测。

图1 先验式的网络质量指标提升的工作流程

选择时间粒度为2013年12月3～28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、下行覆盖率和高干扰带比例数据，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）、小区切入试呼次数和上下行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数和动态SDCCH数数据，在参数粒度中选取去了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。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。并且通过神经网络方法对模型的建立，SDCCH拥塞次数与各输入属性的权值关系如表1所示。

同时采用平均绝对误差和均方根误差等评价模型的正确性，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433个小区作为验证集合去验证该模型的正确性，预测效果的评价指标如表2所示，可以看出正确分类的小区达到了85.9122%。

表1 SDCCH拥塞次数与各输入属性的权值关系

表2 训练集评价

网络建模效果如图2所示，L100+代表SDCCH拥塞次数超过100，L50-100代表SDCCH拥塞次数在50～100之间，L10-25代表SDCCH拥塞次数在10～25之间，L1-5代表SDCCH拥塞次数在1～5之间，L0-1代表SDCCH拥塞次数在0～1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。

图2 预测次数与实际次数比较

表3 参数最优集合

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效果给出小区设置的合理建议值，如表3所示。

3 总结

本文提出了一种先验式的网络质量指标提升方法，通过对小区时间、小区场景、资源配置、测量数据、业务量等参数数据进行数据挖掘建模的方法可以较为简单的预测小区的指标值，准确率较高，并可以给出相关的设置建议，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，极大的减少了网优人员培养时间和工作压力。同时，这种先验式的指标预测方法，可以在用户感知变差之前及时准确的调整参数，提升网络质量，从而提升用户感受。

News

易诺仪器提供优质光纤熔接机服务

易诺仪器对于中国市场的重视，也让易诺在中国市场实现了快速的发展。相应的，易诺也为中国市场提供了更为贴切市场，用户需求的产品。从最早的针对FTTH现场施工推出的便携式光纤熔接机到最新推出的view系列产品，易诺持续不断的帮助运营商提升FTTH现场解决能力，同时为运营商提供性价比高的产品。车政炫总裁表示，易诺不会因为中国的市场环境就推出价格低廉但质量得不到保障的产品，易诺只会推出在同等价格水平下，质量最优的产品来满足市场需求。

日前推出了新一代的熔接机系列——view系列，以believe your eyes为宣传口号，进一步切合市场需求，紧贴市场走向，具有精确V型槽纤芯对准方式，配合最短5mm切割长度的短距离熔接，有效支持常用的各种类光纤和热熔连接器；拥有简单直观的扁平化操作系统，高分辨率的5英寸LCD触摸屏方便用户使用。提供全球最大的520倍放大显示，打开了熔接的微观世界；3xLED白光灯、背光按键、辅助阴暗环境施工，便于夜间作业。

产品可以保证持续创新，同时，易诺正通过自己以及合作伙伴的努力为客户提供更加优质的服务体验。目前，易诺正通过自己的代理商来实现更加贴心的服务体验。据易诺重要的合作伙伴——南京飞达通讯设备有限公司销售总监高飞介绍，易诺正通过与代理商的深入合作为客户更加贴心的服务，将易诺的售后服务队伍进一步扩大，让用户满意，进而提高了易诺产品的附加值，形成产品全新的高性价比优势。

Priori method of improving network key performance indicators

WANG Xi-dian, CHENG Nan, WANG Lei
(China Mobile Group Design Institute Co., Ltd., Beijing 100080, China)

The paper proposed the priori algorithm to improve network key performance indicators(KPI) by using data mining methods which consider the relationship of KPI and multiple dimensions data, to obtain the optimal parameter values and enhance the network quality.

wireless parameter; KPI; data mining; BP

TN929.5

A

1008-5599（2014）11-0074-04

2014-07-30