[发明专利]网络性能数据的预测方法、装置、存储介质及设备

说明书

本申请提供的一种网络性能数据的预测方法、装置、存储介质及设备，首先获取终端设备发送的待检测小区的至少一组测量报告数据；然后，将至少一组测量报告数据输入训练后的决策树模型，并获取训练后的决策树模型输出的预测结果，训练后的决策树模型是通过历史网络性能数据和历史测量报告数据训练生成的，决策树模型用于通过循环迭代输出回归的预测结果，预测结果包括至少一组测量报告数据分别对应的网络性能数据的预测值。通过该方式，由于可以根据终端设备发送的测量报告数据及训练后的决策树模型，获取终端设备对应的下行信干噪比数据的预测值，从而有效地提高了下行信干噪比数据的获取效率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种网络性能数据的预测方法、装置、存储介质及设备。

背景技术

信号与干扰加噪声比(Signal to Interference plus Noise Ratio，SINR)是一个非常重要的网络性能指标。在长期演进(Long Term Evolution，LTE)网络中，信干噪比是指终端设备接收到的有用信号的强度与接收到的干扰信号的强度的比值，即信号与噪声干扰的功率比。

信干噪比可以分为上行信干噪比和下行信干噪比，其中下行信干噪比直接决定了无线传输的调制编码阶数和传输块的大小，从而决定了数据传输速率和长期演进语音承载业务(Voice over Long Term Evolution，VoLTE)质量。因此，下行信干噪比数据的获取对于网络质量的优化和评估具有重要意义。

现有技术中，主要通过路测的方法采集下行信干噪比数据。例如，专业测试人员驾驶车辆经过目标路线，通过路测设备实地测试，以采集包括下行信干噪比的路测数据。然而，由于现场路测过程对测试人员的技能要求高，且路测数据的采集需要配备专门的路测设备和车辆等。因此，现有的路测方法难以高效地获取下行信干噪比数据。

发明内容

本申请提供一种网络性能数据的预测方法、装置、存储介质及设备，以解决现有技术中难以高效地获取下行信干噪比数据的技术问题。

第一方面，本申请提供一种网络性能数据的预测方法，所述方法包括：

获取终端设备发送的待检测小区的至少一组测量报告数据；

将所述至少一组测量报告数据输入训练后的决策树模型，并获取所述训练后的决策树模型输出的预测结果，所述训练后的决策树模型是通过历史网络性能数据和历史测量报告数据训练生成的，所述决策树模型用于通过循环迭代输出回归的预测结果，所述预测结果包括所述至少一组测量报告数据分别对应的网络性能数据的预测值。

一种可选的实施方式中，所述网络性能数据包括信号与干扰加噪声比。

一种可选的实施方式中，在所述将所述测量报告数据输入训练后的决策树模型之前，所述方法还包括：

获取历史网络性能数据和历史测量报告数据；

根据所述历史网络性能数据和所述历史测量报告数据，对所述决策树模型进行训练。

一种可选的实施方式中，所述对所述决策树模型进行训练，包括：

从所述历史测量报告数据中确定出特征数据；

从所述历史网络性能数据中确定出所述特征数据对应的标签数据；

将所述特征数据及所述特征数据对应的标签数据组成样本集数据，对所述决策树模型进行训练。

一种可选的实施方式中，所述从所述历史网络性能数据中确定出所述特征数据对应的标签数据，包括：

根据所述特征数据的时间戳，从所述历史网络性能数据中确定出至少一个目标历史网络性能数据，所述至少一个目标历史网络性能数据的时间戳与所述特征数据的时间戳之间的时间间隔均小于预设的时间间隔；