基于机器学习技术的无线小区负载均衡自优化

利用机器学习方法实时对高流量小区进行负载均衡是无线网络智能化的重要课题之一,目前仍无较成熟的应用案例。鉴于此,提出了基于XGBoost以及DNN的无线小区负载均衡参数自优化方法,并分别对均衡切换事件、切换门限进行建模预测。实验结果显示,该方法的切换事件预测准确率达到97.3%,切换门限拟合优度为0.6~0.8,可以高效、精准地实现负载均衡的自优化。