移动通信网络优化中数据挖掘技术的应用分析

朱云乐

（重庆三峡职业学院，重庆 404000）

0 引言

实现移动通信网络优化中数据挖掘技术的应用，在完成站点的分析与优化后，可切实提升移动通信的传输质量，给予用户更好的使用体验。因此需相关研究者给予其足够的重视，在全面落实数据挖掘技术的基础上，坚持不断增加其技术内涵，以多角度、多层面来提升该项技术应用过程的可行性，解决相应老旧问题的同时，实现移动通信网络的不断优化。

1 数据挖掘技术简述

当前阶段应用较为广泛的数据挖掘技术主要包括分类分析法、关联分析法以及序列分析法。

1.1 分类分析法

就分类分析法来说，其需技术人员筛选出所需处理的数据，然后将其分类，其次根据各个指标所需规模的不同进行重复筛选，按照其数据的具体类型实施定点分析处理，最后根据结果来判断各个数据间的规律与联系。

1.2 关联分析法

该种方式为满足民众的不同需求制定的对应个性化服务。其主要用于移动通信网络运行状况的检查，对特定数据及其关联数据进行个性化分析，以此来把握两者间存在的内在联系，以此为基础进行的优化。

1.3 序列分析法

序列分析法应用过程类似于关联分析法，但是在实际应用时，技术人员会对采集数据编号处理，然后借助计算机进行数据的系列计算与处理。

2 数据挖掘技术在移动通信网络优化中的应用途径

2.1 选择适宜的移动站点

选择基站是数据挖掘技术在移动通信网络优化中应用的前提与首要环节，借助数据挖掘来进行移动基站的选择，首先，需明确一个切实可行的目标，然后在目标的指引下按照具体的方位来进行系列的搜索工作与确定工作，并以反馈为基础优化与调整可行性目标。在初步判断出通信优化的具体方位后，选择适宜的位置作为移动站点，如此使得整体的通讯传导质量得到优化[6]。在借助数据挖掘技术进行站点确定时，需通过目标函数进行系列的计算工作，借此观察与判断各个区域信息活跃程度。借助数据信息计算明确站点，形成对周边区域较为全面的网络覆盖，实现全面优化的目的。在明确各个区域所需建设的站点数量后，按照数量将区域进行划分，使其按照整体模块的形式存在，虽然不需均衡安排站点划分，但是需保证网络覆盖可达到相关要求与标准。在部分地理环境复杂的地区，因自然位置的限制，移动网络信息在传输过程中会受到较大的阻碍，基于此，需在这些区域建设更多的站点基数，以此来强化移动网络信号[1]。

2.2 加强数据抗干扰分析

移动数据网络现阶段发展为4G、5G网络，信号本身的抗干扰能力以及穿透能力，一般状况下已经可满足常规形态下的需求，但是在应用移动数据人群较多，亦或者数据信息受到各种因素干扰的环境下，移动网络会有着时强时弱的不稳定现象。而数据挖掘技术在优化移动通信网络时一个相当重要的作用即是对移动通信网络进行系统的抗干扰分析。假设在分析上行干扰时，计算公式为：上行干扰功率=干扰UE到目标基站的路径损耗+干扰UE上行发射功率+目标基站对干扰处理损耗。随着5G技术的出现与高速发展，民众对移动通信有了更高层次的需求[7]。基于此，需不断强化数据挖掘技术的深入应用，优化网络使用体验的同时，降低运营商运营与投资成本，使其在行业内的竞争力得到大幅的提升。

在优化移动通信网络的进程中，借助数据挖掘技术判断与识别出干扰波动最为明显的区域，综合分析干扰因素时可借助数据挖掘公式进行不同干扰环境下电流强度的区分。基站发出射频信号时，会根据传输路径的不同而出现不同程度的损耗。这些损耗可利用数据挖掘技术来进行控制，在经过数据挖掘的系列计算，选出最优的传输路径，如此可降低数据传输过程中的能量损耗，以间接的形式来增强移动通信网络信号。而在实际优化移动通信网络的过程中，相应功能需借助内部职能调节来进行，然后快速的明确物体干扰区域位置，以内部控制调节来保障信息的稳定传输[2]。

2.3 强化话务预测精准度

高效率、高质量的预测技术，可最大程度的减少通话时的资源浪费，在强化话务预测后，可以借助任务需求来指引移动通信网络资源的合理配置，如此在降低浪费与提升使用率的基础上，提升移动通信网络的经济收入。话务预测需借助数据挖掘技术分析与对比历史数据，并展开时间空间上的系列排布，如此可得出历史数据下较为精确、全面的话务预测结果。以话务预测结果为基础实现对网络优化资源的合理配置，保证投入到通信系统中的网络资源可得到合理的应用。此外话务预测可协助通信网络明确特征变化，为后续的优化任务展开提供相应的数据参照[3]。

2.4 促进原理体系完善

就数据挖掘技术应用在移动通信网络优化方面，应综合考虑各种特殊情况的影响并适应时代的发展要求，在进行优化的实施过程中，保持足够的可行性与可靠性，在解决相应问题的基础上，给予移动通信网络优化更多的保障。因此建议在数据挖掘技术的应用方面，针对其本身的原理体系进行相应的完善。比如借助贝叶斯分类来进行具体的优化与完善：（P（h/D））=P（h/D）P（h）/P（D），这可满足移动通信网络优化过程中数据挖掘技术的应用所需。在应用贝叶斯分类的进程中，利用的主要是统计学的贝叶斯定理进行对应的操作，在融合该定理之后，可对预测类任务以及数据的概率进行深入的分析，结合通信网络的任务与特点来给定样本，且样本计算属于特定类别概率[4]。完善原理体系的同时，需相应的数据挖掘技术配置以支撑，如下表1所示：

表1 数据挖掘技术的应用配置

2.5 精准预测挖掘技术在移动通信网络优化的发展趋势

为实现数据挖掘技术更好的使用，以达到优化移动数据网络的目的，需预测数据挖掘技术的未来发展方向，以此来实现其较好的应用[5]。这需把握以下两点：其一，数据挖掘算法的可拓展性与效率。当前阶段数据库有着较大的数据量，且维数高，在进行数据挖掘时会发现搜索空间在逐步增大，知识发现盲目性不断提升。如何利用数据挖掘技术的固有特点，发现与剔除与优化任务无关的数据，进而实现问题维数的降低，设计出高效率、高质量的知识发现算法是实现通信优化的重点内容；其二，数据时序性。在数据库的应用过程中，其处于不断优化与不断更新状态，伴随时间推移，很多知识已经不能再使用，因此相关管理人员需跟随时间进行发现模式的修正来指导新的发现过程，以此来实现移动通信网络的优化。

3 结语

综述，实现移动通信网络优化中数据挖掘技术的应用，借助数据挖掘技术固有的优势，在提升移动通信质量的同时，降低运营商的运营与建设成本，对于通信行业的整体发展有着积极的促进作用。因此运营商可给与其一定的资源资金倾斜，探索数据挖掘技术在通信网络优化方面更多的可能性，这在维持其自身发展的同时，可使其保持较高的竞争力。