[发明专利]基站负荷预警方法、装置

说明书

本发明提供一种基站负荷预警方法、装置，基站负荷预警方法包括S101：获取投诉数据，根据投诉数据判断基站的投诉量和投诉增量是否超过预设阈值，若是，则执行S102，若否，则执行S103；S102：发出投诉量预警告警，并判断基站是否存在故障，若是，则执行S104，若否，则根据基站的负荷情况生成网络优化调整建议；S103：根据小区历史参数搭建深度学习模型，通过深度学习模型对基站进行基站负荷趋势预测，获取预测结果，根据预测结果生成网络优化调整建议；S104：获取故障原因并派单以维修基站。本发明通过深度学习模型对基站负荷情况进行预测，提出相关网络优化调整建议，耗费人力物力少，周期短，能够对基站长期情况进行跟踪反馈，提升了区域网络性能优化工作。

技术领域

本发明涉及无线网络优化领域，尤其涉及一种基站负荷预警方法、装置。

背景技术

随着网络建设的不断发展，多种网络制式共存导致存量设备越来越多，维护难度不断攀高，网络质量下降、用户感知变差等问题日益凸显。如何及时预防网络性能下降、给出网络调整和优化建议，进而提升用户感知，成为重要课题。

目前基站维护以日常故障处理和上站巡检为主。日常故障处理主要以故障工单、分类告警级别和关键指标监控为主要手段。此类维护手段主要针对已发生故障的基站，对客户感知和投诉反应时效性较差；日常上站巡检主要是定期对基站运行环境和天馈系统进行检查。日常巡检相比工单形式的故障处理更为主动，但是此类检查所针对的基站主设备本身的性能检查内容较少，周期较长，耗费人力物力较大，并且不能对基站长期的运行状态进行跟踪反馈。

发明内容

为了克服现有技术的不足，本发明提出一种基站负荷预警方法、装置，能够实时监测投诉情况，对用户投诉情况进行处理，提升了用户感知，并通过深度学习模型对基站负荷情况进行预测，提出相关网络优化调整建议，耗费人力物力少，周期短，能够对基站长期情况进行跟踪反馈，提升了区域网络性能优化工作。

为解决上述问题，本发明采用的一个技术方案为：一种基站负荷预警方法，S101：获取投诉数据，根据所述投诉数据判断基站的投诉量和投诉增量是否超过预设阈值，若是，则执行S102，若否，则执行S103；S102：发出投诉量预警告警，并判断所述基站是否存在故障，若是，则执行S104，若否，则根据所述基站的负荷情况生成网络优化调整建议；S103：根据与所述基站相关的小区历史参数搭建深度学习模型，通过所述深度学习模型对所述基站进行基站负荷趋势预测，获取预测结果，根据所述预测结果生成网络优化调整建议；S104：获取故障原因并派单以维修所述基站。

进一步地，所述网络优化调整建议包括载频扩容、调整天馈下倾角/方向角、发射功率调整、邻区参数重选、切换参数中的至少一种。

进一步地，所述小区历史参数包括：上/下行利用率、上/下行流量、有数据传输的RRC数。

进一步地，所述根据与所述基站相关的小区历史参数搭建深度学习模型的步骤具体包括：

S201：采集所述小区历史参数，根据所述小区历史参数生成模型训练数据集；S202：设置深度记忆网络参数，将所述模型训练数据集喂给PTBModel进行训练以获取深度学习模型。

进一步地，所述将所述模型训练数据集喂给所述PTBModel进行训练的步骤具体包括：将所述模型训练数据集多次分批喂给PTBModel训练，并根据训练的结果对所述PTBModel的参数进行调整。

进一步地，所述预测结果包括所述小区未来预设时间内的小区历史参数。

进一步地，所述根据所述预测结果生成网络优化调整建议的步骤包括：判断所述小区未来预设时间内的小区历史参数是否触发预警门限，若是，则针对超过预警门限的所述小区历史参数进行优化调整，并生成网络优化调整建议。

进一步地，所述优化调整的类型包括覆盖类优化、吞吐率优化、掉话类优化、接入失败优化、切换类优化、时延类优化中的至少一种。