2020年MathorCup大数据竞赛赛道A优秀论文4.pdfVIP

队伍编号824

题号A

基于流量数据分析的小区分类与节能策略

摘要

本文主要基于已有的流量进行数据挖掘，将小区按发展规模和地理位置进行了分

类。并利用这一分类给出基于资源节约的启动阈值，在主要节能策略上提出了动态自适

应阈值模型。

首先，在数据预处理基础上，本文同时考虑了流量数据整体情况和流量数据具体波

动情况。在整体特征方面，我们提炼了样本标准差SD、变化趋势系数CT、极限流量超

均值占比LR、一阶差分绝对值和DS和流量普及率PR这五个特征，并用于作为系统

聚类的指标。根据构造的判断矩阵，我们确定了上下行流量权重，以此计算出各小区的

最终指标得分，并利用肘部图确定最佳分类数为4。结合实际，我们从小区发展及其规

模角度概括了两个大类，4个小类；在具体波动特征方面，我们挖掘流量数据的周期性，

引入反映不同小区在工作日和休息日流量分布差异的特征参数周期差异值DM，并依此

将小区归纳出了4个类别。最后，我们综合这两个角度，将分类结果进行组合分析，归

纳出了16种小区类别及各自的特点。

接着，我们建立了一种分段阈值模型。根据流量时间序列组成的滑动窗口，衡量其

匹配程度，以此判断基站载频是否需要自动调整优化。根据当前接受的实际流量Qn与

ˆ

预测流量Q，我们给出了量化公式，计算出了实时阈值上限H和阈值下限L，同时

nQQ

验证了阈值调整的自适应性。并且通过定义节能效率η，我们给出了滑动窗口最佳大小

为6。然后，基于小区类别和低频流量使用时间段，我们又通过中值滤波、数据拟合计

算出具体小区类别的启动阈值。只有当流量超过启动阈值时才实时动态调整阈值，否则

基站将处于半休眠状态。在启动阈值引入的基础上，以动态自适应阈值模型为主体，整

个结构就构成了一个分段阈值节能模式。

最后，我们对提出的模型进行了优、缺点分析与模型推广，以期小区分类能够更进

一步地细致化，流量阈值上下限能够更有针对性，为实际基站的节能问题提供可借鉴的

方案。

关键词:时间序列特征、数据挖掘、聚类分析、基站能耗、分段阈值

目录

1问题介绍1

1.1问题背景及研究意义..............................1

1.2问题相关信息..................................1

1.3思路概要.....................................1

2模型假设2

3符号说明与名词解释3

4基于整体和波动特征挖掘的小区分类模型