2020年MathorCup大数据竞赛赛道A优秀论文3.pdfVIP

队伍编号366

赛道A

基于流量预测的动态载频开关研究

摘要

随着移动通信系统的发展，合理地设计基站节能开关策略越来越重要。考虑到基站具有

潮汐效应，若一直以高容量时段的载频数量来运行基站配置将会造成极大的能源消耗，因此

需要根据小区的实际需求，动态配置基站载频，以节约能耗，提高网络能效。

本文数据处理阶段分为数据清洗和数据转换两部分，其中数据清洗包括去除重复值、去

除离群值、填补缺失值，数据转换用于统一数据格式，旨在改善数据质量，便于后续分析预

测；数据分析阶段包括流量序列可视化处理、平稳性检验和三种不同序列的相关性检验，分

析结果为流量预测和小区聚类的可行性提供一定的理论依据。

针对问题一，不同的小区流量序列之间具有较强的相关性，在时域上体现为流量变化特

性的相似性。本文综合考虑流量变化的相对趋势和绝对幅度，对各个小区的流量序列分别提

取RANK向量特征和差分特征，并将特征归一化后以一定的权重进行融合。聚类算法中利

用Gap统计量获得最优类簇数，通过TBD距离度量各个小区流量特征之间的相似度，使用

SSE评价指标确定最佳的聚类结果，并分析每一类小区的流量特点。

针对问题二，考虑基站运行的潮汐现象，旨在设计一种智能基站动态载频配置方案以灵

活调整网络容量，提升网络能效。本文首先将流量负载划分为4个等级，并根据等级划分结

果预设置相应的基站载频开关阈值。为了避免频繁地载频关断和网络初始化，本文限制操作

执行的间隔时间。在设定好的载频开关操作时间点，基于下一时段的流量预测以及实时负载

情况自动控制基站载频。通过仿真实验，从系统功耗和系统能效两方面验证动态载频配置方

案的有效性。

关键词：相关性检验，RANK向量，特征融合，聚类，潮汐效应，动态载频配置

目录

一、问题重述1

1.1问题背景1

1.2问题重述1

二、模型假设和符号说明2

2.1模型假设2

2.2符号说明2

三、数据预处理和初步分析3

3.1原始数据集介绍3

3.2数据预处理4

3.2.1数据清洗4

3.2.2数据转换6

3.3数据分析6

3.3.1可视化处理6

3.3.2平稳性检验7

3.3.3小区上行和下行流量序列相关性检验8

3.3.4不同小区流量序列相关性检验9

3.3.5小区周流量序列相关性检验9

四、问题一：提取特征并对小区分类11

4.1问题一的求解思路11

4.2提取特征11

4.2.1差分特征11

4.2.2RANK向量特征12

4.2.3特征融合12

4.3聚类算法13

4.3.1特征TBD距离计算14

4.3.2更新聚类中心14

4.3.3聚类评价指标15

4.3.4Gap统计量获得最优类簇数16

4.4聚类结果分析18

五、问题二：基于流量预测的基站动态载频开关方案20

5.1问题二的求解思路20

5.2模型建立与求解21

5.2.1载频动态开关时间点设置21

5.2.2网络流量负载水平等级划分22

5.2.3载频动态开关阈值设置22

5.2.4系统能效模型23

5.2.5动态载频效果仿真26

参考文献31

附录32

一、问题重述

1.1问题背景

近年来，移动通信技术不断发展，小区个数不断增加，数据业务需求日益增

长，电信运营商已采取增加载频等扩容措施来提升网络容量，改善用户体验。无

线通信网络的设计规划通常需要依据网络最大负载情况确定，考虑到基站运行过

程中普遍存在的潮汐效应，在用户业务量需求较低的时段，若仍按高容量时段的

载频数量来