移動通信網絡優化中數據挖掘技術的應用分析

朱云樂

（重慶三峽職業學院，重慶 404000）

0 引言

實現移動通信網絡優化中數據挖掘技術的應用，在完成站點的分析與優化后，可切實提升移動通信的傳輸質量，給予用戶更好的使用體驗。因此需相關研究者給予其足夠的重視，在全面落實數據挖掘技術的基礎上，堅持不斷增加其技術內涵，以多角度、多層面來提升該項技術應用過程的可行性，解決相應老舊問題的同時，實現移動通信網絡的不斷優化。

1 數據挖掘技術簡述

當前階段應用較為廣泛的數據挖掘技術主要包括分類分析法、關聯分析法以及序列分析法。

1.1 分類分析法

就分類分析法來說，其需技術人員篩選出所需處理的數據，然后將其分類，其次根據各個指標所需規模的不同進行重復篩選，按照其數據的具體類型實施定點分析處理，最后根據結果來判斷各個數據間的規律與聯系。

1.2 關聯分析法

該種方式為滿足民眾的不同需求制定的對應個性化服務。其主要用于移動通信網絡運行狀況的檢查，對特定數據及其關聯數據進行個性化分析，以此來把握兩者間存在的內在聯系，以此為基礎進行的優化。

1.3 序列分析法

序列分析法應用過程類似于關聯分析法，但是在實際應用時，技術人員會對采集數據編號處理，然后借助計算機進行數據的系列計算與處理。

2 數據挖掘技術在移動通信網絡優化中的應用途徑

2.1 選擇適宜的移動站點

選擇基站是數據挖掘技術在移動通信網絡優化中應用的前提與首要環節，借助數據挖掘來進行移動基站的選擇，首先，需明確一個切實可行的目標，然后在目標的指引下按照具體的方位來進行系列的搜索工作與確定工作，并以反饋為基礎優化與調整可行性目標。在初步判斷出通信優化的具體方位后，選擇適宜的位置作為移動站點，如此使得整體的通訊傳導質量得到優化[6]。在借助數據挖掘技術進行站點確定時，需通過目標函數進行系列的計算工作，借此觀察與判斷各個區域信息活躍程度。借助數據信息計算明確站點，形成對周邊區域較為全面的網絡覆蓋，實現全面優化的目的。在明確各個區域所需建設的站點數量后，按照數量將區域進行劃分，使其按照整體模塊的形式存在，雖然不需均衡安排站點劃分，但是需保證網絡覆蓋可達到相關要求與標準。在部分地理環境復雜的地區，因自然位置的限制，移動網絡信息在傳輸過程中會受到較大的阻礙，基于此，需在這些區域建設更多的站點基數，以此來強化移動網絡信號[1]。

2.2 加強數據抗干擾分析

移動數據網絡現階段發展為4G、5G網絡，信號本身的抗干擾能力以及穿透能力，一般狀況下已經可滿足常規形態下的需求，但是在應用移動數據人群較多，亦或者數據信息受到各種因素干擾的環境下，移動網絡會有著時強時弱的不穩定現象。而數據挖掘技術在優化移動通信網絡時一個相當重要的作用即是對移動通信網絡進行系統的抗干擾分析。假設在分析上行干擾時，計算公式為：上行干擾功率=干擾UE到目標基站的路徑損耗+干擾UE上行發射功率+目標基站對干擾處理損耗。隨著5G技術的出現與高速發展，民眾對移動通信有了更高層次的需求[7]。基于此，需不斷強化數據挖掘技術的深入應用，優化網絡使用體驗的同時，降低運營商運營與投資成本，使其在行業內的競爭力得到大幅的提升。

在優化移動通信網絡的進程中，借助數據挖掘技術判斷與識別出干擾波動最為明顯的區域，綜合分析干擾因素時可借助數據挖掘公式進行不同干擾環境下電流強度的區分。基站發出射頻信號時，會根據傳輸路徑的不同而出現不同程度的損耗。這些損耗可利用數據挖掘技術來進行控制，在經過數據挖掘的系列計算，選出最優的傳輸路徑，如此可降低數據傳輸過程中的能量損耗，以間接的形式來增強移動通信網絡信號。而在實際優化移動通信網絡的過程中，相應功能需借助內部職能調節來進行，然后快速的明確物體干擾區域位置，以內部控制調節來保障信息的穩定傳輸[2]。

2.3 強化話務預測精準度

高效率、高質量的預測技術，可最大程度的減少通話時的資源浪費，在強化話務預測后，可以借助任務需求來指引移動通信網絡資源的合理配置，如此在降低浪費與提升使用率的基礎上，提升移動通信網絡的經濟收入。話務預測需借助數據挖掘技術分析與對比歷史數據，并展開時間空間上的系列排布，如此可得出歷史數據下較為精確、全面的話務預測結果。以話務預測結果為基礎實現對網絡優化資源的合理配置，保證投入到通信系統中的網絡資源可得到合理的應用。此外話務預測可協助通信網絡明確特征變化，為后續的優化任務展開提供相應的數據參照[3]。

2.4 促進原理體系完善

就數據挖掘技術應用在移動通信網絡優化方面，應綜合考慮各種特殊情況的影響并適應時代的發展要求，在進行優化的實施過程中，保持足夠的可行性與可靠性，在解決相應問題的基礎上，給予移動通信網絡優化更多的保障。因此建議在數據挖掘技術的應用方面，針對其本身的原理體系進行相應的完善。比如借助貝葉斯分類來進行具體的優化與完善：（P（h/D））=P（h/D）P（h）/P（D），這可滿足移動通信網絡優化過程中數據挖掘技術的應用所需。在應用貝葉斯分類的進程中，利用的主要是統計學的貝葉斯定理進行對應的操作，在融合該定理之后，可對預測類任務以及數據的概率進行深入的分析，結合通信網絡的任務與特點來給定樣本，且樣本計算屬于特定類別概率[4]。完善原理體系的同時，需相應的數據挖掘技術配置以支撐，如下表1所示：

表1 數據挖掘技術的應用配置

2.5 精準預測挖掘技術在移動通信網絡優化的發展趨勢

為實現數據挖掘技術更好的使用，以達到優化移動數據網絡的目的，需預測數據挖掘技術的未來發展方向，以此來實現其較好的應用[5]。這需把握以下兩點：其一，數據挖掘算法的可拓展性與效率。當前階段數據庫有著較大的數據量，且維數高，在進行數據挖掘時會發現搜索空間在逐步增大，知識發現盲目性不斷提升。如何利用數據挖掘技術的固有特點，發現與剔除與優化任務無關的數據，進而實現問題維數的降低，設計出高效率、高質量的知識發現算法是實現通信優化的重點內容；其二，數據時序性。在數據庫的應用過程中，其處于不斷優化與不斷更新狀態，伴隨時間推移，很多知識已經不能再使用，因此相關管理人員需跟隨時間進行發現模式的修正來指導新的發現過程，以此來實現移動通信網絡的優化。

3 結語

綜述，實現移動通信網絡優化中數據挖掘技術的應用，借助數據挖掘技術固有的優勢，在提升移動通信質量的同時，降低運營商的運營與建設成本，對于通信行業的整體發展有著積極的促進作用。因此運營商可給與其一定的資源資金傾斜，探索數據挖掘技術在通信網絡優化方面更多的可能性，這在維持其自身發展的同時，可使其保持較高的競爭力。