-
题名基于深度自编码器的移动通信基站异常度检测
被引量:2
- 1
-
-
作者
马敏
贾子寒
王磊
-
机构
中国移动通信集团设计院有限公司陕西分公司
中国移动通信集团设计院有限公司网研中心
-
出处
《移动通信》
2021年第5期124-129,134,共7页
-
文摘
传统的运维模式已无法满足4G以及5G网络运维的需要,运用人工智能和大数据等新技术,实现主动运维、快速运维和精准运维已成为网络运维发展的新趋势。基站异常检测是新型运维模式的一项重要内容,因此提出一种基于深度自编码器的基站异常度检测方法。首先对故障告警、相关性能KPI以及OMC运维指标分别建立稀疏降噪自编码器模型,然后综合三个模型的结果,对基站进行全面的异常度评测。该方法具有准确性高、评测粒度细、容易实施等特点,经过实际的试点应用,验证了该方法的有效性,为后续网络运维部门进行基站精准巡检以及进一步实现智能运维提供了可靠的数据支撑。
-
关键词
基站异常检测
深度学习
自编码器
稀疏降噪
基站精准巡检
智能运维
-
Keywords
base station anomaly detection
deep learning
auto-encoder
sparse de-noising
base station precise inspection
intelligent operation and maintenance
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
-
题名基于深度学习的基站设备灰尘隐患识别方法研究
- 2
-
-
作者
韩龙刚
马方明
邱禹
刘昊天
程琳
-
机构
中国移动通信集团设计院有限公司网研中心
中国移动通信集团广东有限公司无线网优中心
中国移动通信集团设计院有限公司广东分公司网优所
-
出处
《通讯世界》
2023年第11期31-33,共3页
-
文摘
由于基站设备大多会自带静电,很容易吸附灰尘,产生基站设备通风散热不良、温度过高等问题,从而影响基站设备的正常运行。目前,移动运营商在委派基站巡检人员对基站进行巡检并除尘时,巡检人员仅通过肉眼来判断设备是否存在灰尘,无法及时发现与清除灰尘,并且没有智能化判断除尘是否完成的手段。因此,研究基于深度学习的基站设备灰尘隐患识别方法,以高效支撑基站巡检工作。
-
关键词
基站巡检
灰尘识别
深度学习
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的时序预测算法研究综述
- 3
-
-
作者
曾豫
陈毅敏
-
机构
中国移动通信集团设计院有限公司网研中心
北京市第一中西医结合医院
-
出处
《通讯世界》
2023年第9期116-119,共4页
-
文摘
时序数据的预测作为数据挖掘、智能运维等领域的研究重点,在各个行业的决策中发挥着重要作用。基于深度学习的时序预测算法,通常可分为基于循环神经网络、基于卷积神经网络和基于Transformer模型架构。主要针对这3种类型的时序预测算法,研究近年来相关算法的技术要点,对电力、交通、气象等数据进行实验分析对比不同算法优缺点,并对未来时序预测算法的研究进行展望。
-
关键词
深度学习
时序数据
时序预测
神经网络
高精度
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-