隨著用戶使用手機(jī)上網(wǎng)的數(shù)量以及因此帶來的數(shù)據(jù)量越來越多,無線網(wǎng)絡(luò)的優(yōu)化成為現(xiàn)在網(wǎng)絡(luò)運(yùn)營商的一個重要工作。如何更早的發(fā)現(xiàn)網(wǎng)絡(luò)中可能存在的問題,為網(wǎng)絡(luò)優(yōu)化工程師采取措施提前預(yù)防提供決策支持,是現(xiàn)在無線網(wǎng)絡(luò)優(yōu)化中的一個重要問題。本文首先分析了現(xiàn)在網(wǎng)絡(luò)運(yùn)營商在進(jìn)行網(wǎng)絡(luò)優(yōu)化時所采取的方法。針對其中網(wǎng)絡(luò)問題發(fā)現(xiàn)的時間上滯后性,提出基于預(yù)測的無線網(wǎng)絡(luò)優(yōu)化方法——根據(jù)無線網(wǎng)絡(luò)過去的性能情況,預(yù)測將來的性能情況,提前發(fā)現(xiàn)網(wǎng)絡(luò)中的潛在問題。并以湖南移動公司郴州分公司某一無線小區(qū)的流量數(shù)據(jù),進(jìn)行的預(yù)測研究。第一步使用時間序列模型進(jìn)行預(yù)測研究。利用小區(qū)流量以天為周期變化的特點(diǎn),應(yīng)用乘積季節(jié)ARIMA模型對其進(jìn)行建模,得到GPRS小區(qū)的流量變化預(yù)測模型,并得到了較好的預(yù)測效果。為了提高預(yù)測的精度,實驗對原始的流量數(shù)據(jù)進(jìn)行了預(yù)處理,并比較各個經(jīng)典的時序模型的預(yù)測結(jié)果,確定ARMA模型為最佳模型。最后,選取其他兩種類型的小區(qū)進(jìn)行研究,發(fā)現(xiàn)了不同小區(qū)的流量時序模型的相同之處。第二步,本文選取使用BP神經(jīng)網(wǎng)絡(luò)來進(jìn)行預(yù)測研究。本文分別針對數(shù)據(jù)的預(yù)處理、訓(xùn)練數(shù)據(jù)集大小以及輸入向量的大小分別進(jìn)行了研究,以確定使用BP神經(jīng)網(wǎng)絡(luò)... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
插圖索引
插表索引
第1章 緒論
    1.1 引言
    1.2 GPRS網(wǎng)絡(luò)優(yōu)化
        1.2.1 GPRS網(wǎng)絡(luò)概述
        1.2.2 GPRS網(wǎng)絡(luò)優(yōu)化方法及其局限性
        1.2.3 預(yù)測方法在網(wǎng)絡(luò)優(yōu)化中的研究現(xiàn)狀
    1.3 本文所做的主要工作
第2章 數(shù)據(jù)挖掘及時間序列預(yù)測
    2.1 數(shù)據(jù)挖掘概述
        2.1.1 數(shù)據(jù)挖掘的概念
        2.1.2 數(shù)據(jù)挖掘的特點(diǎn)
        2.1.3 數(shù)據(jù)挖掘的應(yīng)用
    2.2 時間序列及其預(yù)測
        2.2.1 時間序列概述
        2.2.2 時間序列的分析方法
        2.2.3 時間序列的研究現(xiàn)狀
    2.3 基于預(yù)測的GPRS無線網(wǎng)絡(luò)優(yōu)化與小區(qū)流量預(yù)測
        2.3.1 基于預(yù)測的GPRS網(wǎng)絡(luò)優(yōu)化
        2.3.2 小區(qū)流量預(yù)測在GPRS網(wǎng)絡(luò)優(yōu)化中的應(yīng)用
    2.4 小結(jié)
第3章 基于時間序列模型的小區(qū)流量預(yù)測
    3.1 引言
    3.2 乘積季節(jié)ARIMA模型預(yù)測
        3.2.1 乘積季節(jié)ARIMA模型
        3.2.2 面向GPRS小區(qū)流量的乘積季節(jié)ARIMA模型
        3.2.3 性能分析與比較
    3.3 不同時序模型預(yù)測的比較研究
        3.3.1 時間序列模型
        3.3.2 應(yīng)用各模型為GPRS小區(qū)流量建模
        3.3.3 實驗結(jié)果分析
    3.4 不同類型小區(qū)的時序模型預(yù)測
        3.4.1 其他類型小區(qū)
        3.4.2 兩類小區(qū)的建模
        3.4.3 不同類型小區(qū)流量模型的比較
    3.5 小結(jié)
第4章 基于神經(jīng)網(wǎng)絡(luò)的小區(qū)流量預(yù)測
    4.1 引言
    4.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測
    4.3 基于BP神經(jīng)網(wǎng)絡(luò)的小區(qū)流量預(yù)測及參數(shù)的比較研究
        4.3.1 原始數(shù)據(jù)預(yù)處理
        4.3.2 訓(xùn)練數(shù)據(jù)集大小
        4.3.3 輸入向量的大小
        4.3.4 對比分析小結(jié)
    4.4 小結(jié)
第5章 基于嗅覺模型的小區(qū)流量預(yù)測
    5.1 引言
    5.2 KⅢ模型概述
        5.2.1 嗅覺系統(tǒng)及其研究現(xiàn)狀
        5.2.2 KⅢ模型概述
    5.3 KⅢ模型時間序列預(yù)測
        5.3.1 KⅢ模型時序預(yù)測的兩個階段
        5.3.2 KⅢ模型時序預(yù)測的三個過程
    5.4 基于KⅢ模型的小區(qū)流量預(yù)測
        5.4.1 實驗方法
        5.4.2 實驗結(jié)果及分析
    5.5 小區(qū)流量預(yù)測中KⅢ模型參數(shù)的比較研究
        5.5.1 學(xué)習(xí)次數(shù)的比較研究
        5.5.2 KNN算法K值的比較研究
        5.5.3 輸入向量的比較研究
    5.6 小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]GPRS在SCADA系統(tǒng)和地理信息系統(tǒng)中的應(yīng)用[J]. 李蒙蒙,曹玉香,王琴,周兆濱.  制造業(yè)自動化. 2009(09)
[2]軟件源碼上的數(shù)據(jù)挖掘應(yīng)用綜述[J]. 于秀梅,梁彬,陳紅.  計算機(jī)應(yīng)用. 2009(09)
[3]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)圖像邊緣檢測的研究[J]. 曾希君,于博.  微電子學(xué)與計算機(jī). 2009(08)
[4]基于GPRS的水質(zhì)自動監(jiān)測系統(tǒng)的設(shè)計[J]. 陳軍,盛占石,陳照章,孫俊,張兵.  傳感器與微系統(tǒng). 2009(07)
[5]嗅覺識別模型研究新進(jìn)展[J]. 鄭茜茜.  溫州醫(yī)學(xué)院學(xué)報. 2009(01)
[6]基于ARIMA模型的用電量時間序列建模和預(yù)報[J]. 楊建萍.  工程數(shù)學(xué)學(xué)報. 2008(04)
[7]多輸入單輸出BP網(wǎng)絡(luò)預(yù)測的非線性預(yù)處理研究[J]. 劉政,李存軍,鄧紅霞,孫熠.  四川大學(xué)學(xué)報(工程科學(xué)版). 2008(04)
[8]移動GSM網(wǎng)話務(wù)量的ARIMA模型的建立及其預(yù)測[J]. 張偉,張新波.  數(shù)學(xué)理論與應(yīng)用. 2008(02)
[9]基于季節(jié)性AR（P）模型的水質(zhì)預(yù)測[J]. 程萬里,李亦芳,郝伏勤,程銀行.  四川理工學(xué)院學(xué)報(自然科學(xué)版). 2008(03)
[10]基于GSM/GPRS/EDGE網(wǎng)絡(luò)的業(yè)務(wù)量預(yù)測方法研究[J]. 李鵬,張玉艷,勾學(xué)榮.  電信工程技術(shù)與標(biāo)準(zhǔn)化. 2008(05)

碩士論文
[1]時間序列數(shù)據(jù)挖掘在氣象領(lǐng)域的應(yīng)用研究[D]. 吳本昌.蘭州大學(xué) 2009



本文編號：3024301