GPRS网络优化中小区流量的预测研究
发布时间：2021-02-08 17:42
随着用户使用手机上网的数量以及因此带来的数据量越来越多,无线网络的优化成为现在网络运营商的一个重要工作。如何更早的发现网络中可能存在的问题,为网络优化工程师采取措施提前预防提供决策支持,是现在无线网络优化中的一个重要问题。本文首先分析了现在网络运营商在进行网络优化时所采取的方法。针对其中网络问题发现的时间上滞后性,提出基于预测的无线网络优化方法——根据无线网络过去的性能情况,预测将来的性能情况,提前发现网络中的潜在问题。并以湖南移动公司郴州分公司某一无线小区的流量数据,进行的预测研究。第一步使用时间序列模型进行预测研究。利用小区流量以天为周期变化的特点,应用乘积季节ARIMA模型对其进行建模,得到GPRS小区的流量变化预测模型,并得到了较好的预测效果。为了提高预测的精度,实验对原始的流量数据进行了预处理,并比较各个经典的时序模型的预测结果,确定ARMA模型为最佳模型。最后,选取其他两种类型的小区进行研究,发现了不同小区的流量时序模型的相同之处。第二步,本文选取使用BP神经网络来进行预测研究。本文分别针对数据的预处理、训练数据集大小以及输入向量的大小分别进行了研究,以确定使用BP神经网络...
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
插图索引
插表索引
第1章 绪论
1.1 引言
1.2 GPRS网络优化
1.2.1 GPRS网络概述
1.2.2 GPRS网络优化方法及其局限性
1.2.3 预测方法在网络优化中的研究现状
1.3 本文所做的主要工作
第2章 数据挖掘及时间序列预测
2.1 数据挖掘概述
2.1.1 数据挖掘的概念
2.1.2 数据挖掘的特点
2.1.3 数据挖掘的应用
2.2 时间序列及其预测
2.2.1 时间序列概述
2.2.2 时间序列的分析方法
2.2.3 时间序列的研究现状
2.3 基于预测的GPRS无线网络优化与小区流量预测
2.3.1 基于预测的GPRS网络优化
2.3.2 小区流量预测在GPRS网络优化中的应用
2.4 小结
第3章 基于时间序列模型的小区流量预测
3.1 引言
3.2 乘积季节ARIMA模型预测
3.2.1 乘积季节ARIMA模型
3.2.2 面向GPRS小区流量的乘积季节ARIMA模型
3.2.3 性能分析与比较
3.3 不同时序模型预测的比较研究
3.3.1 时间序列模型
3.3.2 应用各模型为GPRS小区流量建模
3.3.3 实验结果分析
3.4 不同类型小区的时序模型预测
3.4.1 其他类型小区
3.4.2 两类小区的建模
3.4.3 不同类型小区流量模型的比较
3.5 小结
第4章 基于神经网络的小区流量预测
4.1 引言
4.2 BP神经网络预测
4.3 基于BP神经网络的小区流量预测及参数的比较研究
4.3.1 原始数据预处理
4.3.2 训练数据集大小
4.3.3 输入向量的大小
4.3.4 对比分析小结
4.4 小结
第5章 基于嗅觉模型的小区流量预测
5.1 引言
5.2 KⅢ模型概述
5.2.1 嗅觉系统及其研究现状
5.2.2 KⅢ模型概述
5.3 KⅢ模型时间序列预测
5.3.1 KⅢ模型时序预测的两个阶段
5.3.2 KⅢ模型时序预测的三个过程
5.4 基于KⅢ模型的小区流量预测
5.4.1 实验方法
5.4.2 实验结果及分析
5.5 小区流量预测中KⅢ模型参数的比较研究
5.5.1 学习次数的比较研究
5.5.2 KNN算法K值的比较研究
5.5.3 输入向量的比较研究
5.6 小结
总结与展望
参考文献
致谢
附录A 攻读学位期间所发表的学术论文目录
【参考文献】：
期刊论文
[1]GPRS在SCADA系统和地理信息系统中的应用[J]. 李蒙蒙,曹玉香,王琴,周兆滨. 制造业自动化. 2009(09)
[2]软件源码上的数据挖掘应用综述[J]. 于秀梅,梁彬,陈红. 计算机应用. 2009(09)
[3]基于改进BP神经网络图像边缘检测的研究[J]. 曾希君,于博. 微电子学与计算机. 2009(08)
[4]基于GPRS的水质自动监测系统的设计[J]. 陈军,盛占石,陈照章,孙俊,张兵. 传感器与微系统. 2009(07)
[5]嗅觉识别模型研究新进展[J]. 郑茜茜. 温州医学院学报. 2009(01)
[6]基于ARIMA模型的用电量时间序列建模和预报[J]. 杨建萍. 工程数学学报. 2008(04)
[7]多输入单输出BP网络预测的非线性预处理研究[J]. 刘政,李存军,邓红霞,孙熠. 四川大学学报(工程科学版). 2008(04)
[8]移动GSM网话务量的ARIMA模型的建立及其预测[J]. 张伟,张新波. 数学理论与应用. 2008(02)
[9]基于季节性AR（P）模型的水质预测[J]. 程万里,李亦芳,郝伏勤,程银行. 四川理工学院学报(自然科学版). 2008(03)
[10]基于GSM/GPRS/EDGE网络的业务量预测方法研究[J]. 李鹏,张玉艳,勾学荣. 电信工程技术与标准化. 2008(05)
硕士论文
[1]时间序列数据挖掘在气象领域的应用研究[D]. 吴本昌.兰州大学 2009
本文编号：3024301
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
插图索引
插表索引
第1章 绪论
1.1 引言
1.2 GPRS网络优化
1.2.1 GPRS网络概述
1.2.2 GPRS网络优化方法及其局限性
1.2.3 预测方法在网络优化中的研究现状
1.3 本文所做的主要工作
第2章 数据挖掘及时间序列预测
2.1 数据挖掘概述
2.1.1 数据挖掘的概念
2.1.2 数据挖掘的特点
2.1.3 数据挖掘的应用
2.2 时间序列及其预测
2.2.1 时间序列概述
2.2.2 时间序列的分析方法
2.2.3 时间序列的研究现状
2.3 基于预测的GPRS无线网络优化与小区流量预测
2.3.1 基于预测的GPRS网络优化
2.3.2 小区流量预测在GPRS网络优化中的应用
2.4 小结
第3章 基于时间序列模型的小区流量预测
3.1 引言
3.2 乘积季节ARIMA模型预测
3.2.1 乘积季节ARIMA模型
3.2.2 面向GPRS小区流量的乘积季节ARIMA模型
3.2.3 性能分析与比较
3.3 不同时序模型预测的比较研究
3.3.1 时间序列模型
3.3.2 应用各模型为GPRS小区流量建模
3.3.3 实验结果分析
3.4 不同类型小区的时序模型预测
3.4.1 其他类型小区
3.4.2 两类小区的建模
3.4.3 不同类型小区流量模型的比较
3.5 小结
第4章 基于神经网络的小区流量预测
4.1 引言
4.2 BP神经网络预测
4.3 基于BP神经网络的小区流量预测及参数的比较研究
4.3.1 原始数据预处理
4.3.2 训练数据集大小
4.3.3 输入向量的大小
4.3.4 对比分析小结
4.4 小结
第5章 基于嗅觉模型的小区流量预测
5.1 引言
5.2 KⅢ模型概述
5.2.1 嗅觉系统及其研究现状
5.2.2 KⅢ模型概述
5.3 KⅢ模型时间序列预测
5.3.1 KⅢ模型时序预测的两个阶段
5.3.2 KⅢ模型时序预测的三个过程
5.4 基于KⅢ模型的小区流量预测
5.4.1 实验方法
5.4.2 实验结果及分析
5.5 小区流量预测中KⅢ模型参数的比较研究
5.5.1 学习次数的比较研究
5.5.2 KNN算法K值的比较研究
5.5.3 输入向量的比较研究
5.6 小结
总结与展望
参考文献
致谢
附录A 攻读学位期间所发表的学术论文目录
【参考文献】：
期刊论文
[1]GPRS在SCADA系统和地理信息系统中的应用[J]. 李蒙蒙,曹玉香,王琴,周兆滨. 制造业自动化. 2009(09)
[2]软件源码上的数据挖掘应用综述[J]. 于秀梅,梁彬,陈红. 计算机应用. 2009(09)
[3]基于改进BP神经网络图像边缘检测的研究[J]. 曾希君,于博. 微电子学与计算机. 2009(08)
[4]基于GPRS的水质自动监测系统的设计[J]. 陈军,盛占石,陈照章,孙俊,张兵. 传感器与微系统. 2009(07)
[5]嗅觉识别模型研究新进展[J]. 郑茜茜. 温州医学院学报. 2009(01)
[6]基于ARIMA模型的用电量时间序列建模和预报[J]. 杨建萍. 工程数学学报. 2008(04)
[7]多输入单输出BP网络预测的非线性预处理研究[J]. 刘政,李存军,邓红霞,孙熠. 四川大学学报(工程科学版). 2008(04)
[8]移动GSM网话务量的ARIMA模型的建立及其预测[J]. 张伟,张新波. 数学理论与应用. 2008(02)
[9]基于季节性AR（P）模型的水质预测[J]. 程万里,李亦芳,郝伏勤,程银行. 四川理工学院学报(自然科学版). 2008(03)
[10]基于GSM/GPRS/EDGE网络的业务量预测方法研究[J]. 李鹏,张玉艳,勾学荣. 电信工程技术与标准化. 2008(05)
硕士论文
[1]时间序列数据挖掘在气象领域的应用研究[D]. 吴本昌.兰州大学 2009
本文编号：3024301
本文链接：https://www.wllwen.com/jingjilunwen/xxjj/3024301.html
