基于MDT数据的深度覆盖智能预测方法研究

杨占军; 彭陈发; 孙春来; 刘建飞; 齐航

doi:10.13992/j.cnki.tetas.2023.10.004

Chinese

您当前的位置：

首页 >

文章列表页 >

基于MDT数据的深度覆盖智能预测方法研究

开发与研究 | 更新时间：2026-04-20

- 基于MDT数据的深度覆盖智能预测方法研究
- 基于MDT数据的深度覆盖智能预测方法研究
- 电信工程技术与标准化 2023年36卷第10期页码：13-17
- 作者机构：
  
  1. 中国移动通信集团浙江有限公司
  2. 中国移动通信集团设计院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2023.10.004
  中图分类号： TN929.5;TP18
- 纸质出版：2023
- 稿件说明：
移动端阅览
杨占军, 彭陈发, 孙春来, 等. 基于MDT数据的深度覆盖智能预测方法研究[J]. 电信工程技术与标准化, 2023,36(10):13-17.

杨占军, 彭陈发, 孙春来, et al. 基于MDT数据的深度覆盖智能预测方法研究[J]. 2023, 36(10): 13-17.
杨占军, 彭陈发, 孙春来, 等. 基于MDT数据的深度覆盖智能预测方法研究[J]. 电信工程技术与标准化, 2023,36(10):13-17. DOI： 10.13992/j.cnki.tetas.2023.10.004.

杨占军, 彭陈发, 孙春来, et al. 基于MDT数据的深度覆盖智能预测方法研究[J]. 2023, 36(10): 13-17. DOI： 10.13992/j.cnki.tetas.2023.10.004.

摘要

本文基于大规模MDT数据结合机器学习算法，将人工智能技术与网络规划仿真相结合，研究一种符合网络实际环境的无线电波传播模型，实现网络深度覆盖的智能预测。通过将原始MDT数据清洗和去噪得到合理的数据集，搭建全连接神经网络，计算每个接收点与发射机之间的6种关键地理特征向量，并输入神经网络进行训练及网络参数调优，得到指标合理的传播模型。基于网络工参进行单站、多站的仿真验证和外场测试对比，模型泛化性好、鲁棒性高，仿真预测结果合理准确，符合地理环境变化，与外场测试对比效果理想。基于MDT数据训练的智能传播模型能精准地实现网络深度覆盖预测，具有极高的指导意义和应用价值。

Abstract

关键词

Keywords

references

MDT数据分析平台对网络优化辅助分析研究[J]. 于宁凤;张星.自动化与仪器仪表,2020(11)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于机器学习和区块链的分布式数字储能

基于机器学习的冷水机组能耗预测模型

基于机器学习技术的骚扰电话识别技术研究

一种智能化基站工艺验收框架研究

基于机器学习的基站故障根因分析方法研究

相关机构

中国移动通信集团重庆有限公司

大唐移动通信设备有限公司

中国移动通信集团设计院有限公司重庆分公司

中国移动通信集团有限公司

中国移动通信集团云南有限公司

AI问答

地址：北京市丰台区顺八条1号院2号楼北阳晨光大厦2层邮编：100079
联系电话：（010）53879206 Email：tmw@bjxintong.com.cn
技术支持由北京北大方正电子有限公司提供京ICP备09082226号-64 京公网安备11010602201714号
本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies

⁰