网络容量智能分析及预测研究

网络容量智能分析及预测研究

戴娴娴

中兴通讯股份有限公司 江苏 南京 210000

摘 要：伴随着网络技术的飞速发展以及网络业务量的快速增长，网络容量早已变成对网络发展有所制约的一项关键因素。网络容量规划是基于网络的新资源和当前资源的分配和部署，有助于防止网络系统因使用而出现故障。路由器、防火墙和交换机使 op 成为普通的商业网络。确定通过网络的流量类型和流量有助于提供基于证据的总服务器使用需求预测。故而，我们要能够对传统的网络优化分析方法展开分析，并利用大数据技术，来提出新的网络容量智能分析与预测系统。使用该系统将更好地实现对网络情况的分析与预测，并且提升总体的网络运营效率，提高灵活性，同时，有效降低成本。

关键词：网络容量；智能分析；预测

引言：

近些年来，国内的网络规模飞速扩张，因此，数据类业务也在持续的增长中，继而让网络负荷大大增长。以往的传统网络分析手段早已显得极其单一、工作量过大、时效性较差，同时效率也比较低下、耗费资源较多，因此，网络资源管理的能力较差，无法适应当前的网络优化分析需求，不能支撑新的业务增长要求。当前的PRB分析基本都是在人工操作下完成的，同时，当前所用的后优化扩容的方法，也是在发生了高负荷的情况之后，再运用不同的分析来展开优化扩容，此时就已对用户的感知造成影响，亟待解决。

1.方案概述

随着互联网的飞速发展，网络业务量急剧增长，网络容量逐渐成为制约网络发展的关键因素。网络容量智能分析预测系统具体选择的架构模式为B／S，其主要部分有三。第一，运用当前的数据来完成低负荷扇区分析以及不均衡小区分析、小区PRB利用率的查询。第二，基于大数据与AI能力的结合来展开PRB建模，并要求网络部门基于此有效精准扩缩容，为一线部门的后续工作提供关于精品场景网络的建议。第三，GIS的可视化展示。利用七日预测演变算法以及自动学习功能，依据历史流量数据来预测未来数据，让预测结果和高低负荷扇区均可在GIS可视化地图上直观而准确地展示出来。

2.网络容量智能分析及预测研究

2.1 智能算法分析

智能算法就是基于大数据技术与AI技术，来自动地分析出高低负荷扇区，并利用历史的PRB数据来对高负荷区作出预测，然后实现网络预扩容，其将运用这几种预测方法：第一，非线性代数算法，可按照前几个月所留存的样本数据，以非线性代数算法来将其回归为1个最为接近要求的光滑对数图像。第二，线性回归算法。依据前几个月所留存的样本数据，以线性代数算法将其回归为误差服从均值等于零的正态分布。第三，相似度算法。把目前最高的PRB扇区（若干）与前几年的同期3月份的各大扇区中的PRB数据加以比较，而后再找到具有最高的相似度的数据，并将其投入预测工作中，在图像中，将具有最高的相似度的三大扇区的当时的走势情况及相似度值，而后将预测值综合算出。第四，类似分析算法。该方法是利用和预测扇区的类型一样的当前数据，来展开均差分析。也就是一种对于相似度算法的不同的演变。此算法在该系统中就是以同一个扇区在2021年的数据以及2020年的数据实现均差对比。该方法是工程分析中比较惯用的一种方法，同时能够得出更为准确的定量结果。不过它的计算时间比较长，而且工作量也比较大。在给予其充分的评价时间以及较大的工作等级条件时，还具备可参考的相似性的现有工程时，就可应用这一方法来展开分析预测。

2.2 智能模块功能

系统的整体结构具体选择的是B／S架构模式，数据需要在服务器上保留，而客户端所用的应用软件则为Web浏览器，其特点包括成本比较低、维护升级的方式较为简单、无需下载客户端、用户操作比较便捷、简洁。服务器端使用了当前比较常用的python组合Mysql的模式，可提供核心算法以及分析、模块化功能等。而浏览器端则应用了AsP、Javasctipt以及Mysql数据库的组合方式，可开展结果GIS展示以及定位、地址查找、经纬度转化等方面的分析。当前服务端包含了五大功能模块，即全网PRB利用率查询、全网小区PRB导人以及全网不均衡分析、全网低负荷分析、高负荷A1分析和预测等，后续还将会有新增的模块。

2.2.1 全网导入

全网导入模块的任务是要收集PRB日常数据，以便于其他模块的后续分析处理，也是系统中的基础部分。第一，要先点击按键“浏览”，选定需要导入进来的文件，紧接着再点击一下“处理”按键，若是数据库中早就有了当日的记录，那么就选择不导入，若是并不存在，就要导入，底部的绿色条框就是进度条，在导入成功之后将会显示总的用时情况，而且还要注意，导入后的文件必须要严格地按照模板格式执行，若当日的某小区中的PRB没有数据、或其值为零，那么就不导入。

2.2.2 全网低负荷分析模块

全网低负荷分析模块的功能就是要用于判断在扇区的负荷是不是偏低，其判断依据为，载波低负荷的门限值以及连续低负荷天数这两大参数，而且其参数值还可依据地、市的具体需求来加以修改。由于此后的处理意见可能会提出要拆装硬件，故而，必须有一个严格的判定标准，而且一定要为连续低负荷。也就是说，要先点击一下按钮“确定分析”，将低负荷扇区分析出来之后，再按照此它的频点以及带宽、载波数量来给出相应的处理意见。将分析结果文件直接默认地保存于它的第一行文本框路径中，或是点击一下“选择路径”，以将其设定保存到其他的路径中。

2.2.3 全网不均衡分析模块

多载波小区频段之间的损耗是有比较大的差异的，因此，用户分布就会不均衡，继而让各大载波之间的用户感知存在差异。若要将其相关问题解决好，就要选出适合的UE，并将其转移至更小负载的载波小区。对异频小区之间的负载不均衡状态作出改善，可很好地提升其资源利用效率，同时确保业务QoS水平。要依据省公司提出的基本原则，即“先优化、然后再扩容”的原则，先将全网范围内的各大不均衡小区分析判断出来，此后，再去开始执行必要的优化操作，要作出判断就要按照2个参数来展开：其一为各载波彼此间的相差门限值，其二则为不均衡天数。由于用户行为是不能够预期的，而且载波之间是有着一定的差异的，故而在一个周期之内只需要出现1天的均衡状态，那么就可将其定义成“均衡小区”，因此一定是要出现连续性的不均衡，才会被认定成“不均衡小区”。以上两大参数都能够在人工干预下，按照具体实际来调整。实践操作可知，分析结果的文件已经默认被保存到它的第一行的文本框路径中，或可经由“选择路径”的点击，而实现其他路径设定。

2.2.4 全网PRB查询模块

在此之中，PRB查询模块可实现的功能是对小区PRB情况展开查询，以便于其他专业、其他的专项人员来了解某个小区的PRB状况，或可按照小区名的指示来展开模糊查询，或按照ECI来展开模糊查询。只要在查询结果的位置上，双击一下某一条结果，那么就会显示出近期的PRB走势情况。

2.2.5 高负荷AI分析与预测

高负荷AI分析与预测模块也是系统中的最为关键的一部分，是系统核心。其功能是依靠大数据与AI结合的技术，来展开PRB建模工作，以促使网络部门能够在网络与业务级的PRB预测结果的基础上对网络实现精准扩容、减容。首先，利用7日预测演变算法，以预测结果，而后则与Auto learn这一自创功能结合，先沉淀所测出的结果数据，并在此后展开训练演进，持续地学习识别，并按照场景、时间以及拟合度等各个维度，来给出最为有可能的预测结果，并实现网络的预扩容。其算法流程具体参见图1。

图1-算法流程图

2.2.6 浏览器端GIS展示

只要用户开始在浏览器端输入GIS的网址，那么就能够进入到它的可视化界面，除了展示出服务器端所得的可视化的结果之外，它还包含了很多不同的小功能，譬如三种坐标系互相转换和地表以及坐标系相互转换、全网基站展示、建筑物场景范围的抓取以及高负荷区域的展示等。

3、结语

综上所述可知，我国通信事业的发展促使通信变得更多元化，因此网络通讯也得到了广泛应用，而电子通信技术作为网络通讯的核心技术之一，对网络通讯的发展和应用也有着重要帮助。网络容量是描述无线网络性能的最重要的指标之一，该指标使得人们在给定无线信道的基本容量限制的条件下，能够确定一些应用在理论上是否可行。在改变了以往的网络容量分析方式之后，此次所用的网络容量智能分析及预测系统具有多种优势，可实现有效节约成本、提高分析预测效率及效果、提高用户感知等，可提高网络运营效率，提升业务质量，降低运营成本。总而言之，它的有效应用将提升网络的整体应用效果。

参考文献：

[1]程日涛, 耿鲁静, 徐德平. 4G网络容量规划体系及扩容标准研究[C]// 中国移动通信集团设计院第20届新技术论坛.

[2]齐鹏飞. 关于人工智能在网络运维优化中的应用探究[J]. 电脑乐园, 2021(11):0210-0211.