[发明专利]基于大数据分析的小基站开关控制方法

权利要求书

1.基于大数据分析的小基站开关控制方法，其特征在于，包括如下步骤：

步骤1：采集场景信息

所述场景信息包括两部分的信息：

第一部分信息是小基站内接入人数的信息，定期采样一次，记录各个时刻的基站接入人数，放入样本集合L＝{(x_i,y_i)}，其中x_i为记录数据的时刻，y_i为x_i时刻小基站接入的人数；

第二部分是场景中时刻表所记录的人群到来的时刻和人数，放入样本集合M＝{(t_i,p_i)}，其中t_i为人群到来的时刻，p_i为到来的人数；

步骤2：数据预处理

去除集合L和M中的重复数据、异常值和空值；

步骤3：提取特征

为每个样本提取12个特征，将结合集合L和集合M，生成一个新的集合G＝{(f_i,n,l_i)}，其中，f_i,n表示集合G中的第i个样本的第n个特征，1≤n≤12，对应着模型的输入，l_i表示集合G中第i个样本的标签，取值为1或0，1代表基站开启，0代表基站关闭，对应着模型的输出；

计算集合G中的f_i,n：

首先，在集合L中选取第i个样本(x_i,y_i)，然后在集合M中生成样本子集M_sub＝{(t_m,p_m)}，其中t_m满足t_m-x_i＞(n-1)T且t_m-x_i＜nT，T为设定好的时间间隔，最后，f_i,n由式得到；

计算集合G中l_i：

在集合L中选取第i个样本(x_i,y_i)：

上式中，k是控制基站开关的阈值，将集合G＝{(f_i,n,l_i)}统一用G＝{(F_i,l_i)}表示，其中F_i集合G中f_i,n的向量形式；

步骤4：选择并训练模型

选择二项逻辑斯蒂回归模型，二项逻辑斯蒂回归模型是如下的条件概率分布：

P(Y_out＝0|X_in)＝1-P(Y_out＝1|X_in) (3)

上式中，X_in是输入，是集合G中样本的特征，Y_out是输出，是模型预测的小基站的开关状态，1代表基站开启，0代表基站关闭，w∈Rⁿ和b∈R是参数，w称为权值向量，b称为偏置，w·X_in为w和X_in的內积；给定一个样本特征X_in,按照式(2)和式(3)可以求得P(Y_out＝1|X_in)和P(Y_out＝0|X_in)；逻辑斯蒂回归比较两个条件概率值的大小，将特征X_in分到概率较大的那一类；

训练模型，利用集合G中的数据得到模型中参数w和b的值，选择极大似然估计法来估计模型参数，步骤如下：

步骤4-1，设：

P(Y_out＝1|X_in＝F_i)＝h(F_i) (4)

P(Y_out＝0|X_in＝F_i)＝1-h(F_i) (5)

则整个样本集G的似然函数为:

步骤4-2，整个样本集G的对数似然函数为：

步骤4-3，将式(2)、(3)、(4)、(5)代入式(7)中可得：

步骤4-4，求得参数w,b：

步骤4-5，使用随机梯度下降法求得式(9)的解；

步骤5：预测

搜集时刻表的数据样本M，再按照步骤3，生成该时刻的特征，将生成的特征输入模型，即可预测时刻t的基站开关状态。

2.根据权利要求1所述的基于大数据分析的小基站开关控制方法，其特征在于，所述步骤2中去除异常值的过程如下：

在集合L中，若y_i＜0或y_i＞pMax1，pMax1表示正常情况下，采样得到的人数的最大值，则该样本属于异常值，应从集合L中去除样本(x_i,y_i)；集合M中,若p_i＜0或p_i＞pMax2，pMax2表示正常情况下，即将到来的人群的最大人数，则该样本属于异常值，应从集合M中去除样本(t_i,p_i)。