基于Prophet时序算法的无线网络突变小区识别方法研究

杨飞虎，许国平，刘贤松，张硕伟，郑敏之，施亚洲（.中国联通网络AI中心，上海 00050；.中国联合网络通信集团有限公司，北京 000；.上海联通无线网运营中心，上海 00050）

1 概述

随着5G 和物联网的引入［1］，移动网络越来越复杂多变，但人们对无线网络的质量要求越来越高，这对运营商的无线网络优化提出了新的挑战［2］。KPI 指标直接反映了无线网络的性能和质量，传统的小区KPI突变检测方法是先采集PM 和配置等数据，网络优化工程师再根据专业知识和经验，对各个KPI 指标分别设置阈值，观察KPI 指标是否连续若干个小时超出阈值，来判断KPI 指标是否存在异常［3］。但是网络制式多样化，用户行为不可控，总会有部分属于正常性突变或者偶发性波动的KPI 指标作为异常被识别出来，这种方法存在资源投入大、阈值不准确、优化不及时等问题。

2 传统无线网络KPI突变小区检测方法

小区KPI突变检测是无线网络优化的一个底层核心技术，是改善网络覆盖质量的重要手段，因此小区KPI 突变检测在无线网络优化工作中具有重要的指导意义［4］。传统的小区KPI突变检测流程如图1所示。

图1 传统的小区KPI突变检测流程图

传统的小区KPI突变检测是对全网各项指标进行日常性监控，并对有问题的小区进行预处理和派单。在监控KPI 指标时，除了满足质差小区定义及突变小区定义外，还需要同时满足监控时间条件，如不满足监控时间条件则继续监控指标。通常在各项指标日常监控中，监控时间段为：09：00—24：00（15 h），并且质差或突变条件触发后要同时满足“6 h及以上或连续4 h”，才能触发告警派单。……