AI深度學(xué)習(xí)在移動網(wǎng)異常小區(qū)檢測分類中的應(yīng)用

王 勇，滕祖?zhèn)ィ芙苋A，肖 波，趙 根（.中國聯(lián)合網(wǎng)絡(luò)通信集團有限公司，北京 00033；.中國聯(lián)通湖北分公司，湖北武漢 43000）

1 應(yīng)用背景

當今移動網(wǎng)絡(luò)復(fù)雜多變，特別隨著5G和物聯(lián)網(wǎng)的引入，其復(fù)雜性將進一步增加。采用深度學(xué)習(xí)算法的人工智能解決方案，可以適應(yīng)復(fù)雜的環(huán)境，在用戶和流量行為不斷變化時，將優(yōu)于任何人工驅(qū)動的解決方案。

移動網(wǎng)異常小區(qū)問題類型涉及無線覆蓋、干擾、容量等多個方面，傳統(tǒng)的網(wǎng)絡(luò)優(yōu)化方法是先采集PM和配置等數(shù)據(jù)，網(wǎng)優(yōu)工程師再根據(jù)專家知識和經(jīng)驗，對各項指標分別設(shè)置閾值，來診斷網(wǎng)元是否存在高負荷、高干擾、覆蓋差等異常問題。管理增加了網(wǎng)絡(luò)復(fù)雜性，如何在網(wǎng)絡(luò)動態(tài)變化的情況下，快速發(fā)現(xiàn)網(wǎng)絡(luò)問題，提升運維效率，是目前亟待研究的課題。

基于AI 深度學(xué)習(xí)的移動網(wǎng)異常小區(qū)檢測分類方案應(yīng)運而生，它實現(xiàn)了原始數(shù)據(jù)入庫解析自動化，問題分類智能化，診斷結(jié)果精準化，管控流程標準化，顯著提升日常優(yōu)化的生產(chǎn)效率和工作效果，起到了降本增效的作用。

2 基于AI深度學(xué)習(xí)的移動網(wǎng)異常小區(qū)檢測分類

2.1 總體方案

基于AI 深度學(xué)習(xí)的移動網(wǎng)異常小區(qū)檢測分類方案由3部分組成，分別是智能建模、深度學(xué)習(xí)以及智能應(yīng)用。基于AI 深度學(xué)習(xí)的移動網(wǎng)異常小區(qū)檢測分類方案如圖1所示。

圖1 基于AI深度學(xué)習(xí)的移動網(wǎng)異常小區(qū)檢測分類方案

a）智能建模。首先是原始數(shù)據(jù)收集、數(shù)據(jù)準備和預(yù)處理；然后將預(yù)處理好的小區(qū)性能數(shù)據(jù)輸入異常檢測模塊，將輸出的結(jié)果進行降維聚類處理，并安排有經(jīng)驗的網(wǎng)優(yōu)工程師對問題進行分類標注，固化專家知識和經(jīng)驗，從而得到帶標簽的異常小區(qū)問題數(shù)據(jù)集。……