[发明专利]基于XGBoost回归算法的基站覆盖范围的预测方法

说明书

本发明公开了一种基于XGBoost回归算法的基站覆盖范围的预测方法，具体步骤为：S1采集数据：采集测试区域的基站数据和采样点MDT数据，S2数据清洗；S3特征工程；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。

技术领域

本发明属于机器学习技术领域，尤其涉及一种基于XGBoost回归算法的基站覆盖范围的预测方法。

技术背景

近几年来，随着我国通信市场趋于饱和，运营商均面临用户难以增长的问题，竞争便从增量市场转到了存量市场，5G技术的成熟，也成了各运营商新的竞争点，各运营商都积极部署5G基站。由于5G所使用的波段较短，覆盖范围比4G小，要想实现5G网络的全覆盖，需要新增多个5G基站来实现。5G基站建设成本高，必然无法大规模铺开建设。5G基站选址首要目标则是用户聚集的区域，如商场、工厂、交通枢纽。地理位置等也都会对5G基站覆盖产生较大的影响，因此5G基站选址问题，以及选址建设后，是否能满足用户的上网需求。这成为了运营商急需解决的问题。建设完成后还需要考虑用户接入问题，接入的网络质量是否能满足正常的需求。在这种情况下，需要我们对新建的基站做出一个判断，判断覆盖是否可以达到预期效果。通常情况是采用人工分析，确定最终基站的位置。这种方式不仅低效成本高，且经验值不够准确，最终的结果也会产生偏差。

中国专利文献(申请号：201911308145.7)公开了一种基于时间序列预测的载波关断方法和系统；其中的流量预测方法包括：获取目标基站小区历史数据，通过关联字段提取基于时间序列的特征；激活多模型融合算法，根据提取的特征选定多个模型作为堆叠的第一层进行多折交叉验证，输出结果进行合并；基于指定堆叠第二层的预测算法模型，将多折交叉验证后的输出结果再训练，得到目标预测值及精度指标。载波关断方法是在流量预测步骤的基础上，利用某时段的预测数据，使特定的小区基站在预测的时间节点进行载波关断或闭站操作。本发明方案中的系统包括计算装置和模块，用于实现上述方法。但该方法和系统主要预测现有基站在不同时段的流量预测，应用在基站节能领域；并非是利用现有基站的数据预测规划基站的覆盖，也不是应用在基站覆盖建设规划场景中的；同时该技术方案中使用的算法是时间序列预测算法，预测一天之内的流量的波动，其中使用的XGBoost等算法都是用于数据处理，而不是用于预测。

中国专利文献(申请号：202110862707.3)公开了一种蜂窝网络故障诊断方法，包括以下步骤：步骤1、确定网络故障数据集；步骤2、得到降维后的网络故障数据集；步骤3、将步骤2中降维后的网络故障数据集用特征矩阵的形式来表示；将步骤2中降维后的网络故障数据集的标签信息用标签矩阵的形式表示；将引入的权重矩阵转换为矩阵元素只有0和1的邻接矩阵；步骤4、基于图卷积神经网络的故障诊断。该新型蜂窝网络故障诊断方法中使用的XGBoost回归算法只采用了其中的特征重要性排序的功能，而实现网络诊断的核心是由卷积神经网络实现的。

中国专利文献(申请号：201911363066.6)公开了一种车联网环境下多接入边缘计算卸载和帧时隙资源分配方法，该方法的应用场景为部署边缘服务器的单基站及其覆盖范围内所有高速运动车辆节点。步骤如下：将多节点时隙资源分配和计算卸载问题建模为一个混合整数规划问题，系统目标函数为最大化基站覆盖范围内所有节点吞吐量之和；对车辆运动节点产生的无线时变信道做信道预处理；使用深度增强学习感知所有车辆节点的预处理信道，得到备选卸载向量集；得出的每一组卸载向量可将系统目标函数转换为凸函数，使用拉格朗日乘子法求解时隙分配策略，最终选出最大系统吞吐量；建立有序卸载队列，按序进行卸载。该技术方案应用在车联网，主要使用的算法为了解决在在低时间复杂度下解决多接入边缘计算系统内吞吐量最大化问题，因此此方法是为了解决实时性的问题，所采用的算法都是解决实时性和吞吐量的问题，并非解决基站覆盖预测的问题。