一种基于模糊分析的复杂无线通信网络运行质量评估方法

摘要

本发明公开了一种基于模糊分析的复杂无线通信网络运行质量评估方法，其特征在于从数据仓库中获取最近的数据，并进行聚类、关联分析及预测，数据挖掘得到聚类的结果数据集：根据聚类的结果数据集对所要评估的各个小区进行指标评估，通过权重层次模糊分析法得到指标权重ω，对指标评价的人员进行信度分析，到得到评价人员信度系数C，本发明提出一种基于综合权重层次模糊分析和关联变异相结合的复杂无线通信网络运行质量综合评估方法，其目的是利用模糊理论、关联变异系数等多种数据挖掘技术及无线通信网络知识，对整体区域和子区域的无线通信网络运行质量指标进行评估，为无线通信网络的优化提供决策支持。

说明书

技术领域：

本发明涉及无线网络和数据挖掘领域，具体用于移动通信网络优化系统中对复杂无线通信网络运行质量的评估，作为调整网络质量的基础，使得网络达到最佳运行状态。

背景技术：

移动通信网络是一个动态复杂的无线网络。由于话务密度分布不均匀、频率资源日渐紧张、网络配置复杂多样且长期处于不断变化之中等因素，使得现有网络的服务质量不能达到最好，巨额的投资并没有得到最高的收益，所有这些都要求运营商应对移动通信网络进行数据采集、分析，找出影响网络质量的原因，以便进行各项调整，优化资源配置，合理设置网络参数，使网络达到最佳的运行状态，使网络资源获得最佳的使用效益，这就是对复杂无线网络运行质量进行评估的目的。

在国际上，早在上世纪80年代，专业的无线网络优化的软件就已经出现，并且随着网络的演进和优化技术的需求，网络优化软件也不断增加新功能，日益成熟。例如：瑞典的爱立信公司TEMS系列网优软件被全球广泛地使用，如今己经有TEMS Investigation、TEMS CellPlanner、TEMS Pocket等数个方案；而法国的SAGEM公司、英国的OBTITEL公司和德国的R&S等公司也不断地推出非常优秀的产品。总体来说，国际上的这些网优软件凭着多年的积累，己经非常专业和成熟，占据了大量的市场份额。

在我国，网络优化理论较为滞后，优化软件的发展也相对缓慢。国内较早从事优化软件的公司为珠海万禾，从1995年开始，该公司就不断推出ANT系列产品，但功能上大多都是针对路测数据进行分析。后来，国内著名的电信设备制造商如华为、中兴等企业也相继成立相关的开发团队，推出了自己的专业优化软件，这些软件就其实用性和稳定性，都达到了较高的水平，从国内国外发展现状来看，现有的网络优化工具主要有以下几种类型：①各系统供应商提供的OMC系统(告警、配置、统计功能)；②网规软件；③无线网络及交换网络测试分析的仪器、软件，如路测软件和信令分析软件等；④无线频率规划软件；⑤话务、指标统计软件；⑥无线资源管理软件。

基本上所有的优化软件都是以开发商视角，针对网络优化的部分功能进行定位和设计，比如针对路测的路测软件，针对话务统计的性能分析平台，针对无线网络资源管理的软件等等，这些虽然都是网络优化各领域称手的工具，但尚存在问题，主要表现在：①系统孤立， 缺乏全面的网络运行评估和分析系统。各工具都只能偏重某一方面，实现单一的功能；②数据不能共享和综合，分析效率低。对路测数据、话务统计数据、网络资源数据等没有集成，没有综合加以分析和利用；③自动化程度不高。没有网络运营的历史数据，没有经验的积累、知识管理功能，因而不能自动形成网络优化的工作建议，需要人工干预的地方太多；④网络管理人员不能及时了解网络运行性能。网络的运行性能指标种类繁多，计算方法较为复杂，并且经常变化，管理层不能及时的、正确的得到网络的实际运营指标；⑤网络优化数据库不完善，网络优化数据难以统一管理和维护，数据不够准确，缺乏历史数据，缺乏对网优数据的组织和利用。

发明内容：

针对上述问题，本发明提出一种基于综合权重层次模糊分析和关联变异相结合的复杂无线通信网络运行质量综合评估方法，其目的是利用模糊理论、关联变异系数等多种数据挖掘技术及无线通信网络知识，对整体区域和子区域的无线通信网络运行质量指标进行评估，为无线通信网络的优化提供决策支持。

本发明解决问题所采用的技术方案是：

采用以上所述技术方案，具有以下优点：

(1)直观的数字表示，在本方法中，对无线通信网络运行质量的指标均以数字化的形式表示，简单直观。

(2)动态及时的综合指标体系监测及评估，诸多的无线网络质量管理模型都是着重于分项指标评估，本评估模型为分层次结构，对各个分项指标指标给出评价。对数据进行分析过程中，所用数据为最近的通信数据，随着数据流的到来不断更新，保障动态及时性。

(3)模糊综合评价利用主客观结合的手段，把定性指标合理的定量化，最大化地消除评价过程中对评价者的依赖性，提高评价结果的客观性。

(4)本评估方法利用数据挖掘技术对历史数据进行学习，可以对话务量的变化趋势进行预测，进而对信号覆盖是否满足接入和通话的要求做出判断。

本发明将模糊分析理论和数据挖掘技术加入到传统的网络优化系统中，提出一种基于模糊分析的复杂无线通信网络运行质量评估方法。对所要求的评估指标均数字化表示，直观地展现了无线通信网络运行状况。评估过程中，利用分层次结构对各个分项指标进行评价，并且做出模糊综合指数评价。除此之外，评估过程不仅对各个要求的指标进行量化评估，更加注重指标值变化的内在因素分析，对将来对的运行质量做出预测。无线通信网络运行质量中如网络覆盖情况、通话质量、网络承载能力均为定性化，利用模糊理论在评价过程中都将其 定量化，使得评价更为客观。在任一个无线网络优化系统中，对网络运行质量的评价是其核心。因此，本方法适用于无线通信网络优化系统，特别是要求有预测能力的系统，如无线通信网络监测或预警系统。

附图说明：

图1是基于模糊分析的无线通信网络评价模型：

第①步是从数据仓库中获取最近的数据，并进行聚类、关联分析及预测。

第②步是使用模糊综合理论，根据专家库专家对聚类的结果数据集对所要评估的各个小区进行指标评估，通过主观权重层次分析法得到指标主观权重。

第③步使用模糊综合理论，首先对指标通过客观关联变异系数法，得到网络各指标客观权重系数。

第④步对各指标的主观权重和客观权重系数进行平衡，到得到各指标综合权重系数。

第⑤步对指标评价的人员进行信度分析，到得到评价人员信度系数。

第⑥步确定评价结果。

具体实施方式：

1.确定评价指标因素论域，评价指标因素论域为P，它由i个因素组成，表示为：P＝(p₁,p₂,...p_i)给定评价指数V＝(v₁,v₂,...v_i)，并对应相关的评语值κ＝(κ₁,κ₂,...,κ_i)。

2.确定综合评价指标权重θ

确定综合评价指标权重θ是由对指标进行权重层次模糊分析法和关联变异系数法来确定的。其中通过对指标进行权重层次模糊分析法来确定指标权重ω，通过关联变异系数法来确定关联变异权重系数λ。

1)根据权重层次模糊分析法确定指标权重ω

根据权重层次模糊分析法，要引入1-9梯度含义表列出对指标的相对重要程度之比，引入表1所示标度含义表如下：

表1

首先利用0.1-0.9的数量标度对指标集合中的指标的模糊度描述进行两两比较的模糊判断，得到模糊一致判断矩阵A

$A=\left(\begin{array}{ccccc}{a}_{11}& a_{12}& a_{13}& a_{14}& a_{15}\\ a_{21}& a_{22}& a_{23}& a_{24}& a_{25}\\ a_{31}& a_{32}& a_{33}& a_{34}& a_{35}...\\ a_{41}& a_{42}& a_{43}& a_{44}& a_{45}\\ a_{51}& a_{52}& a_{53}& a_{54}& a_{55}\end{array}\right)$

其中a_ij表示指标u_i与指标u_j具有模糊关系“u_i比u_j重要”的隶属度

归一化后得到ω＝[ω₁,ω₂,...ω_m]^T

因为网络质量是通过多项指标来进行的，我们知道某指标的各项数据能明确反映各被

评对象间的差别，同时指标间也是相互关联的，针对指标及其相互影响力的度量来说明此指标评价体系中的信息量越大，应该赋予更大的权数，反之，应赋予较小的权数，基于上述认识，可根据指标的变异关联信息量的大小来确定权数，因此选用可比的指标关联变异系数，将各指标的变异系数归一化处理后就可以得到各指标的关联变异权重系数λ。

从指标u_i对指标u_j的影响被看作是u_i对u_j的支持关联变异。关联变异根据指标间的关联度关系赋予每个指标一个实数值(Z值)来判断指标的重要性。其算法公式如下：

$Z\left(u_i\right)=(\frac{Z\left(u_1\right)}{L\left(u_{1i}\right)}+\frac{Z\left(u_2\right)}{L\left(u_{2i}\right)}+\frac{Z\left(u_3\right)}{L\left(u_{3i}\right)}+...)\beta +(1-\beta )---\left(1\right)$

指标u_i的Z是由它的关联奉献得来的(如u₁、u₂、u₃)，每个指标奉献给u_i的Z数值的大小是由各自指标的Z值和关联变异程度决定的，L(u_ij)为指标间关联度，为例如u₁对u_i有20％的关联度，假设Z(u₁)＝100，那么u₁就会给u_i奉献数值为5的Z值。β是阻尼系数，通常取值为0.85，作用是使关联变异循环中Z传递能够稳定延续，不至于中断或无限扩大。

I、求出各个指标关联变异实数值(Z值)均值：

$\bar{Z}=\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{z}_i$及方差${\sigma }^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\Sigma }}{(z_i-\overline{z_j})}^2$

II：得到各指标关联变异系数为：

III：λ_i进行归一化得各评价者的关联变异权重系数λ为：

用以上方法得指标关联变异权重系数λ：λ＝(λ₁,λ₂,...,λ_i)。

3)计算综合权重θ

由于每个评价系统中每个指标的综合评价指标权重ω和关联变异权重系数λ的权重的偏重点可能不一样，设平衡系数，达到指标评价平衡的效果，引入平衡系数t(客观偏好系数为1-t)，综合权重采用综合系数法进行平衡：

${\theta }_i=\frac{\partial \times t+{\omega }_i\times (1-t)}{\underset{i=1}{\overset{m}{\Sigma }}[{\partial }_i\times t+{\omega }_i\times (1-t)]}---\left(2\right)$

其中，ω_i表示用权重层次模糊分析法来确定的指标权重，表示用关联变异系数法来确定的关联变异系数，0＜t＜1。0＜θ_i＜1，0＜i≤n，n为指标维数。

归一化后得到综合权重集：θ＝(θ₁,θ₂,...,θ_n)。

3.确定评价者对n项指标评价矩阵R

N个评价者对n项指标进行综合评价，则指标描述为：

$R=\left(\begin{array}{ccccc}{X}_{11}& X_{12}& X_{13}& X_{14}& X_{15}\\ X_{21}& X_{22}& X_{23}& X_{24}& X_{25}\\ X_{31}& X_{32}& X_{33}& X_{34}& X_{35}...\\ X_{41}& X_{42}& X_{43}& X_{44}& X_{45}\\ X_{51}& X_{52}& X_{53}& X_{54}& X_{55}\end{array}\right)$

4.确定评价者信度系数C

对指标评价的人员可能是网络技术人员、网络管理人员、网络运维领导等不同的人员，信度系数计算结果显示，各位评价者的信度系数有明显差异，这说明各评价者的评议水平或评议质量有差异，如果在综合评价过程中对每位评价者的评分结果采用等权处理，则综合评价结果缺乏合理性。因此，本发明在对科技成果进行模糊综合评价时，考虑各评价者水平的差异，依据信度系数进行赋权，使综合评价结果更科学更客主观评价只能反应人为的重要性，为了避免人为的偏好，用二分法灰色关联分析法产生信度系数C进行修正：

1)根据评价者对每个指标的评价进行排序

2)根据排序奇偶数位的不同将评价者对每个指标的评价分成两组求出打分均值

3)根据信度理论得到：

$C=\frac{\underset{j}{\Sigma }\underset{k}{\Sigma }{l}_{\mathrm{jk}}}{\underset{j}{\Sigma }\underset{k}{\Sigma }\frac{l_{\mathrm{jj}}+l_{\mathrm{kk}}}{2}}---\left(3\right)$

其中为l_jj为X_j的离均差平方和，表示第j个评价者对某一指标i的打分与该指标的平均得分之差的平方，即为[τ₁,τ₂,...τ_i]^T，l_jk表示第j个评价者对某一指标i的打分与该指标的平均得分之间的差和第k个评价者对该项的打分与该项的平均打分之间的差的乘积，即为 $(X_j-\overline{X_i})(X_k-\overline{X_i}).$

对信度系数进行归一化处理得到信度系数集C＝(C₁,C₂,...,C_n)。

5.合成，无线通信网络评价模糊评价：

(1)首先对接入特征、移动特性等方面内部的KPI进行模糊评价，每一个特性内部KPI模糊评价的基本模型为

即：$f_{i,L}=\min \{1,\underset{i=1}{\overset{p}{\Sigma }}(e_{j,i}*r_{i,L}^j)\},(L=\mathrm{1,2},...,n)---\left(4\right)$

6.确定评价结果对整体网络质量的模糊评价

即：$f_{i,L}=\min \{1,\underset{i=1}{\overset{p}{\Sigma }}(e_{j,i}*r_{i,L}^j)\},(L=\mathrm{1,2},...,n)---\left(5\right)$

下面结合实例对本方法实施做进一步详细的说明：

表1是从从中国电信CDMA网上采集到的一组数据，抽取部分KPI值。

1.设定评语集及评语集的值

设定对网络运行质量的直观评价为优、良、中、差，确定评语集为：{优，良，中，差}，设评语集的值κ＝{1，0.85，0.65，0.35}.

2.计算评价指标权值，引入5个随机KPI重要性打分。 

1)根据权重层次模糊分析法得到指标权重矩阵为：

$\left(\begin{array}{ccccc}5& 5& 5& 4& 3\\ 2& 4& 2& 1& 5\\ 1& 2& 4& 3& 2\\ 3& 3& 3& 2& 4\\ 4& 1& 1& 1& 1\end{array}\right)$

归一化后得到主观权重系数ω＝[0.31,0.17,0.13,0.28,0.11]^T

2)关联变异系数法确定客观系数

$\partial =\left[\mathrm{0.28,0.15,0.13,0.23,0.21}\right]$

3)取主观系数t＝0.5，根据公式可以得到综合权重θ＝(0.295,0.165,0.13,0.251,0.16) 

3.引入6项对上述网络五项指标的随机评价：

$R=\left(\begin{array}{ccccc}0.7& 0.5& 0.1& 0.6& 0.9\\ 0.4& 0.2& 0.5& 0.9& 0.3\\ 0.6& 0.3& 0.8& 0.6& 0.5\\ 0.5& 0.5& 0.8& 0.9& 0.5\\ 0.6& 0.7& 0.2& 0.7& 0.3\\ 0.6& 0.9& 0.3& 0.3& 0.6\end{array}\right)$

用二分法灰色关联分析法产生信度系数C＝{0.123，0.151，0.215，0.164，0.216,0.131}

5.每一个特性内部KPI指标模糊评价的基本模型,由公式(4)得到F＝{1.064，0.359，0.685，0.616，0.731}

我们可得该组数据最终评价结果为：κ＝{优，中，良，中，良} 。