乐湘云

摘 要：在21世纪，随着计算机技术的迅猛发展，世界开始全面步入信息呈爆炸式增长的网络信息化时代。大数据将给各行各业带来巨大的经济价值。数据挖掘技术成为高效利用数据、发现价值的核心技术。网络优化是确保网络质量，提升网络资源利用率的有效手段。近年来，随着网络容量的不断提升、网络用户数的不断增加、网络设备的多样化，用新技术和新方法替代传统网络优化手段成为一种趋势，尤其是在数据挖掘技术兴起的大背景下，其在网络优化中的作用日渐突出。该研究对数据挖掘在网络优化上的应用进行探讨。

关键词：数据挖掘 网络优化 应用

中图分类号：G64 文献标识码：A 文章编号：1672-3791（2017）02（b）-0001-02

2008年以来，随着电信运营商重组的完成，我国移动通信网络优化覆盖市场出现了爆发性增长。由于是全业务竞争，各运营商更加强调服务水平。同时，伴随移动通信规模的不断扩大，通信系统开始进入收费维护服务周期，网络维护工作的重点也逐渐转移到网络优化方面上来，电信运营商需要不断增加网络优化覆盖方面的资本支出，以提升移动通信网络质量。如今随着4G规模商用，移动网络仍然是三大运营商未来几年的竞争重点。移动通信网络优化已成为移动通信行业发展的关键点。数据挖掘技术在网络优化中的应用，能够极大地便利整个优化工作的开展。下面，该研究从技术角度对此进行分析。

1 移动通信网络优化中数据挖掘技术的基本原则

1.1 科学应用分布式处理方法

数据挖掘技术是处理海量数据时的一种高速计算方法，被称为机器的母语，又可具体分化为几大类。其中，数据挖掘技术中以虚拟化和弹性可伸缩为技术核心的分布式处理方法较集中式处理方法而言，在处理计算能力耗费巨大的应用时，通过将该应用分散化处理，在时间及效率上具有明显的优越性。

优化网络工作，是一项规模宏大的条理性、系统性工程。这项工程影响范围广阔，关联的技术类型种类繁多，要对海量的数据进行分析处理。因此，利用数据挖掘技术优化移动通信网络不可能一蹴而就，在移动通信网络优化的过程当中一定要避免只借助一个服务端口的单纯融合来对网络进行优化，当然也不能只借助一个简单的优化体系来优化其他的过程。科学应用分布式处理方法，在将各项数据转化为有用信息的过程中注意区域间的差异性和优化过程中的等级秩序问题。Hadoop、Spark和Storm是目前最重要的三大分布式计算系统，Hadoop常用于离线的复杂的大数据处理，Spark常用于离线的快速的大数据处理，而Storm常用于在线的实时的大数据处理。

1.2 科学应用移动通信网络阶段性分析

移动通信网络是一个多用户通信系统和网络，系统和网络结构复杂，这就决定了开展全方位且富有成效的网络优化工作所面临的难度。因此，在利用数据挖掘技术优化移动通信网络的过程中，要科学应用移动通信网络进行阶段性分析，通俗来讲，就是“有的放矢”。目前，移动通信网络发展已经经历了4个阶段：第一阶段是1G的模拟网络，第二阶段是2G窄带数字网络，第三阶段是3G宽带网络，还有我们正在经历的第四阶段，即4G网络。移动通信网络发展呈现的阶段性特征，需要我们对其各阶段的发展进行全面的、系统的、本质的分析，归纳后再为下一阶段的分析提供有意义的借鉴。同时，在阶段性分析的基础上对分析结果进行进一步的探究，挖掘各阶段之间本身固有的联系，最终对网络优化目标的实现有所裨益。

1.3 遵循智能性数据挖掘的基本要求

随着信息技术的飞速发展，数字化、网络化和云计算正在与人们的生活日益融合，而智能化的概念也开始在各行各业及人们的生活中逐渐蔓延开来。该研究在前文已指出，在利用数据挖掘技术优化移动通信网络的过程中，要科学应用移动通信网络阶段性分析，而在此基础上要注意同时满足智能化的需求，以便在智能环境中有关阶段的服务器中提升任务分配的效率和自动化程度。利用数据挖掘技术的网络优化系统在智能性上通常与一般优化系统存在着较为显著的差异，它所采用的人工智能技术，是数据驱动的智能，是基于数据所产生的智能。通过运用智能技术，自动完成数学建模，进行信息化的数据分析，挖掘出有价值的知识和信息，进而指导网络优化人员的工作。遵循智能性数据挖掘的基本要求，在对相关的数据资料进行条理化分析时，不仅在技术层面有所要求，还要求网络优化人员自身具备牢固的理论功底，对数据挖掘技术有深入透彻的了解。

2 数据挖掘技术在移动通信网络优化中的具体应用

2.1 对站点的合理选择

移动通信无线网络设计的流程通常情况下为根据不同技术体系的链路预算，计算得出不同区域各站点的覆盖半径，得出区域的站点个数。然后网络工程师确定出合适的站点位置，利用无线规划工具对方案进行提前模拟和规划，生成网络规划报告，预估无线网络覆盖效果。如果报告反映出该方案实现了设计目标，满足了用户需求，就表明该设计方案具有可行性。但规划仿真工具的出现并没有解决效率的问题，几千个站的站址选择和各种RF参数的规划设计，对每个无线网络规划的工程师来说都是一场噩梦。不停地尝试各种参数设置组合，不停地仿真，不停地对比各种结果。这种“苦力”似的工作使得网规工程师没有时间从更高的层面考虑网络的规划，进而限制了网络规划质量的进一步提升，也使网络规划需要较高的人力成本。此外，由于人為因素在设计移动通信网络工程方案中起了很大的作用，再加之现场施工人员受到自身技术能力的限制，使得当前我国在建设移动通信网络过程中存在着部分站点选择合理性欠缺的问题。毋庸置疑的是，站点选择的合理与否影响着移动通信网络的建设全过程，如运营商会随着站点建设量的增加不断扩大投资规模，且移动通信网络质量水平的高低也与站点选择的合理性有关。在开展移动网络优化工作时，如果能够充分应用数据挖掘技术，就能够有效解决站点部署和参数规划问题，提升站点选择的合理化水平。数据挖掘在类似的工程实践上已经有了很多好的算法，其中禁忌搜索算法运用较多，在一个初始可行解的基础上搜索特定方位，并让特定的目标函数值变化最多的进行移动，这样就能够更加科学、合理地选择移动站点，在改善用户体验的同时，使运营商的利润空间进一步扩大化。

2.2 对掉话现象的科学研究

随着4G时代的到来，网络承载了越来越多的业务和流量，运营商认识到只有做到差异化的体验，才能不断领先和超越。移动通信网络的立身之本就是服务于用户并提升用户感知，网络质量和用户感知背离是每个运营商都不愿意看到的，因此建立基于用户感知的端到端质量体系就成了运营商网络优化工作的一个重点。掉话率是测试的里程数和掉话次数的比值，是反映用户感受的重要指标之一，也是保持网络性能的重要反映。信号覆盖的强度和质量问题、外界的干扰问题、系统参数和邻区的设置问题，都会导致掉话现象的发生。对掉话现象进行科学研究，是要建立在对数据挖掘技术应用的基础之上的。运营商利用硬件技术持续不断地搜集全面充足的相关数据资料，建立起资料库，开展针对用户消费数据的分析评估。比如，掉话产生的原因除了技术故障还有网络负荷过重，如果某段网络上的掉话率持续过高，则意味着该网络需要扩容，从而有效完善了网络布局，给客户提供了更好的服务体验，获得更多的客户以及业务增长。

2.3 对干扰分析准确度的提升

掉话率和接通率是移动通信网络运营商较为关注的两项系统指标，但这两项指标常常会由于移动通信系统的干扰而受到影响。移动通信非常容易受到干扰，造成干扰的原因通常有以下几个方面：网络的频率规划和功率分配不合理；信号覆盖区内存在发射功率较强的直放站、微波站、寻呼台等可能干扰源；存在功率失控的基站或移动台；用户话务分布情况等。移动通信干扰不仅对网络的常规运行造成影响，而且极大地降低了用户的通话质量体验，成为导致用户申告的主要原因。解决和预防干扰问题，是网络优化工作的另一项重点。而在优化过程中做到对数据挖掘技术的合理应用，可实现对干扰分析准确度的良好提升。由于干扰的实质是关系的相互作用，造成干扰的原因又通常只受到以上四方面原因范围上的约束，所以相关性分析是进行干扰分析时应用较为普遍的挖掘算法。通过对出现高误码率时候各参数设置的相关性分析，基本能得出高误码率发生的可能性原因，并及时地予以处理。

3 结语

网络优化是一项技术难度大、涉及范围广、人员素质要求较高的工作。而传统网络优化工作多依赖于技术人员的经验，依赖人工进行统计分析，使得网络优化的自动化程度较低，优化过程需耗费大量的时间、人力、物力，造成了大量的资源浪费，影响了网络问题解决的时效性，设计出的方案也不可避免地存在着局限性。另外，随着我国移动通信事业的迅速发展，我国移动互联网发展已正式进入全民时代。网络结构日益复杂，数据业务已经成为移动通信网络主要承载的业务，用户通过智能终端的即时互联通信行为，使移动网络成为大数据储存和流动的载体。高速变化的数据业务速率和巨大的网络吞吐量以及覆盖范围的动态实时变化，在很大程度上改变了现有网络规划和优化的模型，在网络优化工作中应用数据挖掘技术是非常迫切和必要的。数据挖掘是一门新兴的先进的数据分析技术，而网络优化是一项规模宏大的系统性工程，二者的结合现已经成为了一种崭新的趋势。该研究结合移动通信网络优化中数据挖掘技术的基本原则，从技术角度浅谈了数据挖掘在网络优化中的应用，希望對实践工作的开展有指导意义。

参考文献

[1] 刘秀彬.浅谈数据挖掘在网络优化中的应用[J].硅谷，2010（15）：101.

[2] 黄瑞慧.数据挖掘在移动通信网络优化中的实践研究[J].中国新通信，2016（4）：72-75.

[3] 陈慰旺，张艳芬.移动通信网络优化中数据挖掘技术的运用[J].信息通信，2016（6）：201-202.