移动基站性能管理分析系统的设计与实现

发布时间：2017-08-28 22:22

  本文关键词：移动基站性能管理分析系统的设计与实现

  更多相关文章： 网络性能分析 基站共址 RLDM 小区拥塞 组合模型

【摘要】：随着LTE网络技术发展成熟,LTE设备部署到现有的GSM和TD-SCDMA移动网络中,增加了移动运营商网络性能优化的难度。由于三种网络共存,网络资源优化调整、规划配置需要同时考虑三种网络性能的运行状况,而设备厂商只为移动运营商提供单一网络性能数据,这给网络优化人员对全部网络的性能分析处理带来了不便。本文为某市移动公司设计了一套用于集中管理三种网络的移动基站性能分析系统,利用该系统综合分析三种网络设备的运行状态,帮助移动工作人员优化资源配置以及网络规划设计,从而提升移动网络服务质量。移动基站性能管理分析系统主要由数据导入模块、共址核查统计模块、小区性能分析模块、GIS站址呈现模块以及数据处理结果呈现等模块构成,利用MFC客户端和WEB客户端协作完成系统任务。首先,系统利用移动公司资源管理数据实现同一站址下所有设备的核查统计,便于网优人员对共站址设备性能分析及进行网间优化；其次,系统实现快速导入三种网络小区性能数据,并提供小区性能多维度查询、图形化显示,有助于网优人员直观了解网络性能运行情况；第三,为了分析网络拥塞程度、发展趋势并挖掘高负载小区,基于小区无线利用率指标,利用本文提出的稳健最小距离算法(RLDM)提取其线性趋势,再使用K均值聚类算法对所有小区分类,帮助网优人员掌握整体网络拥塞程度和业务发展状况；第四,对重点小区利用ARIMA和Elman线性组合模型进行了趋势预测,预测精度达到良好拟合,能够有效地帮助网优人员掌握重点小区未来的走势,及时调整小区参数防止小区性能过载；最后,利用百度地图和Ajax技术实现了GIS站址呈现,有助于网优人员快速定位基站,直观了解基站的位置分布及小区构成,方便进行区域性能优化。本文实现的移动基站性能管理分析系统已在某市移动公司上线运行,并经过现场调试和功能调整至今已稳定运行半年。全网小区每天90万条性能数据导入时间8分钟,每月网络拥塞和趋势分析用时约5小时。系统测试结果显示各模块运行正常,用户体验良好,同时本文提出的ARIMA和Elman线性组合模型对小区性能趋势预测效果良好,有助于网络优化人员掌握小区的动态变化。
【关键词】：网络性能分析 基站共址 RLDM 小区拥塞 组合模型
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-13
• 1.1 课题来源背景和意义10
• 1.2 研究现状10-11
• 1.3 本文的主要工作11-12
• 1.4 论文结构安排12-13
• 2 基础理论技术13-21
• 2.1 移动共址基站以及性能优化流程介绍13-15
• 2.1.1 移动网络共址基站系统13-14
• 2.1.2 移动网络性能优化处理流程概括14-15
• 2.2 AJAX技术及ASP.NET MVC框架15-16
• 2.2.1 AJAX技术15
• 2.2.2 ASP.NET MVC框架15-16
• 2.3 时间序列分析预测常用方法16-19
• 2.3.1 整合自回归移动平均模型16-17
• 2.3.2 BP神经网络预测模型17-19
• 2.4 最小二乘法19
• 2.5 K均值聚类算法19-20
• 2.6 本章小结20-21
• 3 移动基站性能管理分析系统设计21-36
• 3.1 系统需求分析21-24
• 3.1.1 业务需求分析21-23
• 3.1.2 移动基站性能管理分析系统关键性能指标23-24
• 3.2 系统总体设计24-25
• 3.3 数据导入及共址统计模块设计25-27
• 3.3.1 设备数据导入及共址统计的设计25-26
• 3.3.2 小区性能数据导入的设计26-27
• 3.4 小区性能分析及预测模块设计27-30
• 3.4.1 全网小区性能分析27-29
• 3.4.2 重点小区趋势预测分析29-30
• 3.5 基于GIS的站址定位模块设计30-31
• 3.6 系统交互模块总体设计31-32
• 3.7 数据库模块设计32-35
• 3.8 本章小结35-36
• 4 移动基站性能管理分析系统实现36-44
• 4.1 数据导入及共址统计模块实现36-40
• 4.1.1 设备数据导入及共址统计的实现36-38
• 4.1.2 小区性能数据导入的实现38-40
• 4.2 小区性能分析模块实现40-41
• 4.3 基于GIS的站址定位模块实现41-42
• 4.4 系统交互模块实现42-43
• 4.5 本章小结43-44
• 5 基站小区类型分析及重点小区趋势预测44-62
• 5.1 小区性能短期趋势模型44-50
• 5.1.1 小区趋势类型分析以及线性趋势提取方法44-46
• 5.1.2 LSM与LDM线性趋势提取46-48
• 5.1.3 稳健LDM线性趋势提取48-50
• 5.2 重点小区性能长期趋势预测模型50-61
• 5.2.1 数据来源及预处理52-53
• 5.2.2 ARIMA模型建立过程53-55
• 5.2.3 Elman神经网络模型建立过程55-56
• 5.2.4 ARIMA与Elman组合模型建立过程56-57
• 5.2.5 拟合预测结果对比分析57-61
• 5.3 本章小结61-62
• 6 系统运行及测试分析62-66
• 6.1 系统运行62
• 6.2 模块测试及分析62-65
• 6.2.1 MFC客户端测试62-64
• 6.2.2 WEB客户端测试64-65
• 6.3 本章小结65-66
• 结论66-67
• 参考文献67-70
• 致谢70-71

【参考文献】

中国期刊全文数据库 前10条

1 王立;;最小二乘法在注水井测试资料解释中的应用[J];长江大学学报(自科版);2013年10期

2 周浩;;线性数据拟合方法的误差分析及其改进应用[J];大学数学;2013年01期

3 董春娇;邵春福;熊志华;李娟;;基于Elman神经网络的道路网短时交通流预测方法[J];交通运输系统工程与信息;2010年01期

4 王建海;段军;;TD LTE与TD-SCDMA及GSM干扰共存的研究[J];电信网技术;2009年06期

5 肖玉侠;张颖;;用线性趋势季节模型预测出院人次[J];中国卫生统计;2008年03期

6 贾小勇;徐传胜;白欣;;最小二乘法的创立及其思想方法[J];西北大学学报(自然科学版);2006年03期

7 李雄军;几种线性回归方法的比较[J];计量技术;2005年08期

8 夏咏梅;基于文本挖掘的分类与聚类技术[J];情报探索;2005年03期

9 杨淑娥,黄礼;基于BP神经网络的上市公司财务预警模型[J];系统工程理论与实践;2005年01期

10 王楠,律方成;基于小波变换的介损在线监测数据趋势提取[J];高电压技术;2003年03期

中国重要会议论文全文数据库 前1条

1 权笑;朱旭;周兴围;姚柒零;汤凯;;TD-LTE网络优化数据采集与处理解决方案研究与实现[A];2015LTE网络创新研讨会论文集[C];2015年

中国硕士学位论文全文数据库 前9条

1 许宁;移动通信网络性能管理系统的设计与实现[D];山东大学;2014年

2 刘松波;移动通信网实时性能监控系统设计与实现[D];湖南大学;2011年

3 杨健;基于Google Maps的网络优化系统的设计和实现[D];华中科技大学;2011年

4 吴悦祥;移动通信基站性能监控系统设计与实现[D];电子科技大学;2010年

5 王辉明;时间序列分析技术在移动网络性能建模与预测中的应用[D];湖南大学;2009年

6 刘渊;误差理论与数据处理[D];大连理工大学;2009年

7 安潇潇;ARMA相关模型及其应用[D];燕山大学;2008年

8 任丽娜;基于Elman神经网络的中期电力负荷预测模型研究[D];兰州理工大学;2007年

9 杨立娟;基于浮动车的城市道路行程时间采集与预测方法研究[D];吉林大学;2007年

，

本文编号：749801