[发明专利]小区价值预测方法、装置、电子设备及存储介质

权利要求书

1.一种小区价值预测方法，其特征在于，包括：

获取基站小区在当天任一时段下的输入特征指标，所述输入特征指标包括所述基站小区的通信状态信息、价值标签和基本信息，以及所述时段的时间特征；

将所述基站小区的输入特征指标，作为价值预测模型的输入数据，获得所述价值预测模型输出的所述基站小区的价值预测结果；其中，所述价值预测模型是基于各基站小区的历史特征指标经过机器学习建立的；所述历史特征指标包括基站小区在历史第一时段下的通信状态、历史价值标签和基本信息，以及所述预定时段的时间特征。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取基站小区历史日期的第一时段下的历史特征指标；

从所述历史特征指标选取日期位于预设第一阈值之前的历史特征指标作为训练集，并从所述训练集以外的历史特征指标中选取预定数量的历史特征指标作为验证集，其余的历史特征指标作为测试集；

基于所述训练集中的历史特征指标，利用机器学习算法获得初始的价值预测模型；基于所述验证集中的历史特征指标，对所述初始的价值预测模型进行模型调整；

根据所述测试集中的历史特征指标，对当前的价值预测模型进行测试，若测试通过则完成所述价值预测模型的建立。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

对所述基站小区的各通信状态信息利用指数分布进行拟合，获得所述各通信状态信息的指数概率密度函数，并对指数概率密度函数进行积分处理，获得所述各通信状态信息的累积概率分布；

基于价值度公式，计算所述基站小区的价值度；其中，所述价值度公式包括：

其中，n为除测量报告覆盖率以外的第一通信状态信息的个数，Wi为第i个第一通信状态信息的权重，F_i(x)为第i个第一通信状态信息取值为x时的累积概率值，W_mr为测量报告覆盖率的权重，M为测量报告覆盖率；

若所述基站小区的价值度小于预设第二阈值，则为该基站小区添加低价值小区标签；若所述基站小区的价值度不小于所述第二阈值，则为该基站小区添加高价值标签。

4.根据权利要求1所述的方法，其特征在于，所述基本信息包括基站小区的位置、类型以及标识；所述通信状态信息包括以下至少一种：上行网络资源利用率、下行网络资源利用率、上行流量、下行流量、用户数、贵宾用户数、小时资费以及测量报告覆盖率。

5.根据权利要求1所述的方法，其特征在于，所述获取基站小区在当天任一时段下的输入特征指标之后，还包括：

若所述基站小区属于预定的特定小区集合，则将所述基站小区的输入特征指标，作为该基站小区对应的第一价值预测模型的输入数据，获得所述第一价值预测模型输出的所述基站小区的价值预测结果；其中，所述第一价值预测模型是基于该基站小区的历史特征指标及其对应的已知结果经过机器学习获得的；

其中，所述特定小区集合中的每个基站小区对应有预先建立的价值预测模型。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

若所述基站小区在未来任一时段的价值预测结果为低价值小区，则在之后的所述预定时段下对该基站小区执行基站关闭指令；

若所述基站小区在未来任一时段的价值预测结果为高价值小区，则不对所述基站小区执行处理。

7.一种小区价值预测装置，其特征在于，包括：

获取模块，用于获取基站小区在当天任一时段下的输入特征指标，所述输入特征指标包括所述基站小区的通信状态信息、价值标签和基本信息，以及所述时段的时间特征；

处理模块，用于将所述基站小区的输入特征指标，作为价值预测模型的输入数据，获得所述价值预测模型输出的所述基站小区的价值预测结果；其中，所述价值预测模型是基于各基站小区的历史特征指标经过机器学习建立的；所述历史特征指标包括基站小区在历史第一时段下的通信状态、历史价值标签和基本信息，以及所述预定时段的时间特征。