基于多源数据融合与可解释随机森林的网络质差归因分析

文成江; 叶梦荷; 赵宇

doi:10.13992/j.cnki.tetas.2026.04.014

Chinese

您当前的位置：

首页 >

文章列表页 >

基于多源数据融合与可解释随机森林的网络质差归因分析

多源数据融合专题 | 更新时间：2026-04-24

- 基于多源数据融合与可解释随机森林的网络质差归因分析
- 基于多源数据融合与可解释随机森林的网络质差归因分析
- 电信工程技术与标准化 2026年39卷第4期页码：1-9
- 作者机构：
  
  中国移动通信集团终端有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2026.04.014
  中图分类号： TN929.5;TP181
- 纸质出版：2026
- 稿件说明：
移动端阅览
文成江, 叶梦荷, 赵宇. 基于多源数据融合与可解释随机森林的网络质差归因分析[J]. 电信工程技术与标准化, 2026,39(4):1-9.

文成江, 叶梦荷, 赵宇. 基于多源数据融合与可解释随机森林的网络质差归因分析[J]. 2026, 39(4): 1-9.
文成江, 叶梦荷, 赵宇. 基于多源数据融合与可解释随机森林的网络质差归因分析[J]. 电信工程技术与标准化, 2026,39(4):1-9. DOI： 10.13992/j.cnki.tetas.2026.04.014.

文成江, 叶梦荷, 赵宇. 基于多源数据融合与可解释随机森林的网络质差归因分析[J]. 2026, 39(4): 1-9. DOI： 10.13992/j.cnki.tetas.2026.04.014.

摘要

移动网络质量下降直接削弱用户体验，也增加运维成本。本文整合终端测量、基站工参与气象3类数据，在某市全网4个月实测数据基础上，构建大规模异构数据集，采用随机森林模型中的多决策树投票方法，对移动网络质差的根本原因进行归因分析。以RSRP与SINR作为5G质优判定阈值，模型在独立城区测试集取得74%准确率，AUC为0.75。结果显示频谱配置、用户负载与气象条件为主要影响因素。随机森林多决策树投票分析可对单小区输出可视化根因，从而为频谱规划、负载分流与气象联动运维提供量化依据。

Abstract

关键词

Keywords

references

Li Jia,Si Yujuan,Xu Tao,Jiang Saibiao.Deep Convolutional Neural Network Based ECG Classification System Using Information Fusion and One-Hot Encoding Techniques[J].Mathematical Problems in Engineering,2018.

张健,赵启博,巨永锋.基于边缘计算的通用智能安防系统架构设计与实现[J].电子设计工程,2022(07).

柳旭东,赵夙,朱晓荣.基于强化学习的自适应网络覆盖优化算法研究[J].光通信研究,2022(05).

刘怡然,安奉钧.典型相关分析与结构方程模型方法的比较研究[J].统计与决策,2024(10).

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

基于多源数据融合的高铁用户识别与感知评估模型研究

基于随机森林方法的智能安全漏洞风险预警系统研究

智能感知驱动的重点区域通信态势可视化系统研究与实践

基于大语言模型与向量数据库的运维工单回单质量提升方法研究

一种数据中心机房多维效能智慧评估方案浅析