近些年來移動通訊產(chǎn)業(yè)在我國蓬勃發(fā)展,尤其是以華為為代表的5G通訊技術(shù)已經(jīng)走在了世界的前列,而實現(xiàn)這些技術(shù)是需要很龐大的設(shè)備群來支撐,通訊設(shè)備各個部分持續(xù)正常運行無疑會提高企業(yè)的競爭力,零故障運行也是個通訊公司不斷追求的目標。在通訊故障中最為嚴重的的當屬基站退服故障,如何準確的預(yù)測出故障的發(fā)生是當前各國研究的熱門方向之一。在我國故障診斷已趨成熟,但是故障預(yù)測技術(shù)還不太成熟。目前的故障預(yù)測方法是專家系統(tǒng),在基站退服故障診斷中有廣泛的發(fā)展和應(yīng)用,但其在知識庫建立和自學(xué)習(xí)上存在不足。隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展在各行各業(yè)的廣泛應(yīng)用,將其應(yīng)用到基站退服故障的預(yù)測,不僅在學(xué)科中有前瞻性,而且具有重要意義。本文以某地移動公司基站運維數(shù)據(jù)為基礎(chǔ),從多個角度分析了數(shù)據(jù)的特點,并結(jié)合基站數(shù)據(jù)的特點提出了針對基站的短期預(yù)測方法以及長期預(yù)測方法�；具\維數(shù)據(jù)冗長,復(fù)雜,經(jīng)過對數(shù)據(jù)的充分分析后,在短期基站退服故障預(yù)測中,采用關(guān)聯(lián)規(guī)則挖掘方法。其中Apriori算法能夠有效地挖掘出數(shù)據(jù)中的頻繁項集,根據(jù)挖掘出的頻繁項集可以快速準確地找出關(guān)聯(lián)規(guī)則。在這些規(guī)則中,可以獲取短時間內(nèi)告警數(shù)據(jù)與故障之間的關(guān)系,并成功的進行了故障...

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文創(chuàng)新點
    1.5 論文結(jié)構(gòu)安排
第2章 基站運行原理及其故障類型
    2.1 基站系統(tǒng)結(jié)構(gòu)
        2.1.1 BTS運行原理
        2.1.2 天饋系統(tǒng)原理
    2.2 基站常見故障分析
    2.3 基站故障的定位分析
        2.3.1 基于規(guī)則推理的定位技術(shù)
        2.3.2 基于案例推理的定位技術(shù)
    2.4 故障分析常見方法
    2.5 報警數(shù)據(jù)分析
    2.6 本章小結(jié)
第3章 移動基站報警數(shù)據(jù)分析及數(shù)據(jù)挖掘知識
    3.1 基站報警分析
        3.1.1 報警概念
        3.1.2 告警與故障的關(guān)系
        3.1.3 告警分類
        3.1.4 故障報警的特點
        3.1.5 報警處理傳統(tǒng)模式
    3.2 數(shù)據(jù)挖掘的概念
        3.2.1 數(shù)據(jù)挖掘定義
        3.2.2 數(shù)據(jù)挖掘的基本流程
        3.2.3 數(shù)據(jù)挖掘算法
    3.3 本章小結(jié)
第4章 基于Apriori關(guān)聯(lián)規(guī)則基站退服故障預(yù)警模型
    4.1 基站退服故障模型概述
    4.2 數(shù)據(jù)清洗
    4.3 Apriori算法步驟
    4.4 數(shù)據(jù)挖掘的實現(xiàn)方法
    4.5 數(shù)據(jù)挖掘過程
    4.6 數(shù)據(jù)挖掘退服事件分析
    4.7 本章小結(jié)
第5章 基于PCA分析在基站退服故障預(yù)測中的研究
    5.1 數(shù)據(jù)元素分類
        5.1.1 數(shù)據(jù)清洗
        5.1.2 特征選擇
        5.1.3 網(wǎng)元聚類
    5.2 性能指標降維分析
    5.3 性能指標的主要成分與故障關(guān)聯(lián)模型
    5.4 性能指標選取及臨界值
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 展望
在校期間發(fā)表論文清單
參考文獻
致謝



本文編號：3804235