[发明专利]一种基站簇的投诉预测方法在审
申请号: | 202310692105.7 | 申请日: | 2023-06-12 |
公开(公告)号: | CN116611578A | 公开(公告)日: | 2023-08-18 |
发明(设计)人: | 曹凡 | 申请(专利权)人: | 常州大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/30;G06N3/048;G06N3/08;H04W16/24 |
代理公司: | 常州市英诺创信专利代理事务所(普通合伙) 32258 | 代理人: | 王美华 |
地址: | 213164 江苏省*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基站 投诉 预测 方法 | ||
1.一种基站簇的投诉预测方法,其特征在于,包括以下步骤:
步骤一、获取基站簇的话务数据和投诉数据;
步骤二、将数据输入多层感知器神经网络预测模型,输出基站簇的投诉概率的预测结果;
步骤三、使用均方根作为多层感知器神经网络的误差函数。
2.根据权利要求1所述的基站簇的投诉预测方法,其特征在于,话务数据包括:基站簇场景、MR覆盖率、无线接入成功率、掉话率、MOS值、切换成功率和单用户感知速率。
3.根据权利要求1所述的基站簇的投诉预测方法,其特征在于,投诉数据的获取包括:
获取基站簇编号,获取基站簇电子地理边框;
获取历史投诉编号,根据投诉编号获取投诉的位置信息;
设置投诉次数累加器初始值为0,当投诉落入基站簇电子边框内时,投诉次数累加器值加1。
4.根据权利要求1所述的基站簇的投诉预测方法,其特征在于,预测结果包括:投诉概率为高、较高、低和较低。
5.根据权利要求1所述的基站簇的投诉预测方法,其特征在于,多层感知器神经网络包括:
输入层特征向量个数为7;隐藏层采用双曲正切激活函数;隐含层的层数为1;输出层分支标签个数为4,采用Softmax函数分类器。
6.根据权利要求1所述的基站簇的投诉预测方法,其特征在于,误差函数表示为:
其中,万户投诉概率P,模型预测的投诉率为P*。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于常州大学,未经常州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310692105.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种碘工质电推进设备的碘回收结构
- 下一篇:一种塑料光纤生产加工用挤出装置
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理