2019年研究生数学建模竞赛优秀论文选之关于无线智能传播模型的研究.pdfVIP

中国研究生创新实践系列大赛 中国研究生创新实践系列大赛 “华为杯”第十六届中国研究生 “华为杯”第十六届中国研究生 数学建模竞赛 数学建模竞赛 学 校 复旦大学，浙江工商大学 参赛队号 1.刘展宏 队员姓名 2.陆恒 3.胡佳琪 0 中国研究生创新实践系列大赛 中国研究生创新实践系列大赛 “华为杯”第十六届中国研究生 “华为杯”第十六届中国研究生 数学建模竞赛 数学建模竞赛 题 目 关于无线智能传播模型的研究 摘 要 ： 在传统无线网络规划过程中，受限于数据搜索条件，对于无线网络的规划结果往往不 尽如人意，而当下无线网络传播环境的复杂性较以往也是大大增加。但随着科学技术的发 展，近年来通过LTE 大数据以及大数据AI机器学习等已经成为了助力研究无线信道传播 的重要手段之一。本文主要研究的是通过传统无线传播模型以及现有的大量数据，通过机 器学习技术训练使得得到平均信号接收率 （RSRP）有较小均方误差，为有效建设提供帮助 的同时也能够达到提高传播效率的目的。 针对任务一，首先我们需要了解相关传输背景，基于这些背景以及对传统传播模型的 了解，利用传统模型以及传统模型中的校正因子，并且结合已知工程参数，地图数据并获 取通过已知数据可以求得的衍生数据，计算数据形成一个完整体系。并将之归纳分类为五 种特征，分别为：已有特征，衍生特征，计算特征，校正特征以及涉及特征。对于每一部 分特征都进行详细解释和阐述，并展现了其计算公式，通过理论分析以及运用cost31-hata 等模型对部分特征进行计算并进行合理性检验，从完整性和方向性上构建整体特征体系。 针对任务二，基于任务一中的特征体系，我们对其进行是否可以通过已有数据进行计 算筛选得到可达特征，同时出于主客观性整体把握对地物类型，cost231-hata-RSRP,相对高 度进行相关性分开判别。其余特征再通过发散性分析以及相关性分析的手段对特征数据进 行量化排序。在相关性分析中，共运用了三种特征系数计算方式，将相关性进行量化排序。 宏观把握特征的整体表现，微观细化特征的具体相关性。横向比较不同系数计算方法对特 征排序的影响，纵向比较特征排序内含的不变性。因此达到了对不同特征的相关性进行多 层面分析的要求，为后续机器学习做好了铺垫。 针对任务三，出于选择最优模型考虑，我们采用了考虑了单个模型以及混合模型对数 据的影响，单个模型中选取了全连接神经网络，随机森林模型线上线下进行RSRP 的均方 误差RMSE 的计算，混合模型则考虑了深度神经网络联合线性回归模型，再次进行线上线 下的测试。其中神经网络相关模型线下选择200万作为训练集，100万作为测试集；随机 森林线下选择 1100万数据作为训练集，所有模型线上均选择 1200万作为测试集，具体的 RMSE值如下所示，其中联合模型，因其在线下的表现已不如线下全连接神经网络而随机 森林表现与全连接神经网络表现差异不明显，因此并未对其进行线上得分评估。 模型 全连接神经网络 深度神经网络联合线性回归 随机森林 线下RSRP值的RMSE 9.698 9.953 9.584 线上RSRP值的RMSE 9.434 / / 关键词：整体特征体系 多层面分析 全连接神经网络 联合模型 随机森林 1