[发明专利]基于XGBoost回归算法的基站覆盖范围的预测方法

权利要求书

1.一种基于XGBoost回归算法的基站覆盖范围的预测方法，其特征在于，具体包括以下步骤：

S1采集数据：采集测试区域的基站数据和采样点MDT数据，获得该区域的全量数据；

S2数据清洗：对该测试区域的全量数据进行数据清洗处理；

S3特征工程：对步骤S2清洗后的原始数据进行特征工程处理；

S4模型训练：选择一个点作为新建基站的预选点，筛选出与预选点位置距离小于设定阈值的基站，再整合每个基站所关联的采样点，且将整合的基站数据和采样点MDT数据划分训练集和测试集，采用XGBoost算法对数据集进行训练，获得XGBoost模型；

S5模型预测：使用训练好的XGBoost模型得出采样点的场强，若场强大于原有的场强，则将该采样点接入的基站切换到新建基站的预选点基站下，遍历所有的采样点，将所有切入到新建基站的采样点在地图上呈现，从而获得新建基站的预测范围和基站的覆盖率。

2.根据权利要求1所述的基于XGBoost回归算法的基站覆盖范围的预测方法，其特征在于，所述步骤S1中的采样点MDT数据包括cellid、经度、纬度和场强；所述基站数据包括基站名、nci、经度、纬度、基站高度、基站方位角和基站下倾角，其中cellid和nci均为基站ID，是同一个数据，用于训练时将基站数据和MDT数据进行关联。

3.根据权利要求2所述的基于XGBoost回归算法的基站覆盖范围的预测方法，其特征在于，所述步骤S2中所述数据清洗包括缺失值处理、错误数据删除、字符串型特征转换和相对偏离度。

4.根据权利要求3所述的基于XGBoost回归算法的基站覆盖范围的预测方法，其特征在于，所述步骤S3中进行特征工程处理使用了特征扩维，其中特征扩维是基于采集到的用户信息中的原始特征进行扩维，包括计算基站与采样点之间的距离以及基站与采样点之间的相对方位角；具体步骤为：

S31：根据基站经纬度和用户经纬度，利用球面距离公式计算得到基站与采样点之间的距离；公式为：

D＝R×arccos[cosβ₁cosβ₂cos(α₁-α₂)+sinβ1sinβ₂]；其中，D为用户和基站之间的直线距离；α₁，β₁分别为基站经纬度；α₂，β₂分别为用户经纬度；R为地球半径；

S32：基站方位角以正北方向为参考方向，顺指针递增，数值范围为0-360°；利用采样点和基站的经纬度计算采样点相对基站的方位角；公式为：

式中，angle为采样点相对基站的方位角；lon和lat分别为采样点的经度和纬度；lon_cell和lat_cell分别为基站的经度和纬度。

5.根据权利要求4所述的基于XGBoost回归算法的基站覆盖范围的预测方法，其特征在于，所述步骤S32中若得到的相对方位角为负值，表示该采样点在小区方位角的右侧，则将负值转化为正值，从而得出基站相对于采样点的相对方位角。