BP神经网络在移动通信对话务量的应用（word版）

1、 精编范文 BP神经网络在移动通信对话务量的应用温馨提示：本文是笔者精心整理编制而成，有很强的的实用性和参考性，下载完成后可以直接编辑，并根据自己的需求进行修改套用。BP神经网络在移动通信对话务量的应用 本文关键词：话务量, 神经网络, 移动通信, BPBP神经网络在移动通信对话务量的应用 本文简介：摘要：BP神经网络是一种前馈多层网络, 在数据挖掘中可以承受较强的噪声数据。近年来信息技术飞速发展, 数据规模大, 用户体量多, 移动通信优化的工作越来越严峻, 本文提供了一种利用BP神经网络进行数据挖掘的方法, 为移动通信网络优化工作尽一份绵薄之力。关键词：BP神经网络；移动通信网络优化；大数据

2、随着5G时代的BP神经网络在移动通信对话务量的应用 本文内容：摘要：BP神经网络是一种前馈多层网络, 在数据挖掘中可以承受较强的噪声数据。近年来信息技术飞速发展, 数据规模大, 用户体量多, 移动通信优化的工作越来越严峻, 本文提供了一种利用BP神经网络进行数据挖掘的方法, 为移动通信网络优化工作尽一份绵薄之力。关键词：BP神经网络；移动通信网络优化；大数据随着5G时代的来临, 新的移动通信网络技术的应用及移动互联网的发展, 我国的常规移动通信用户已经达到了10亿级的规模。QQ, 抖音, 微信等等移动互联网应用如雨后春笋, 吸引了数以亿计的大批量用户。移动通信网络的优化问题逐渐引起了人们的关注

3、。数据规模大, 用户体量多是中国移动通信网的基本特点, 这也给优化工作带来了许多严酷挑战, 所以运用人工智能神经网络对数据进行挖掘, 提取出有价值的信息, 减轻优化工作的负担很有必要。1移动通信网络优化的有关分析与思考1.1移动通信网络优化的背景移动通信网络的发展流程有需求分析, 实测, 维护, 优化等步骤。但是发展是一个循环往复的过程, 优化工作虽然处于最后, 但是却与需求分析密不可分, 这样形成了一个循环过程。优化是与广大移动用户交换意见最为紧密的阶段, 是移动运营商了解通信网络运行态势以及用户信息与需求建议的最为直接的手段。目前, 全球对于移动网络通信的优化研究, 主要集中于技术的更新换

4、代和设计优化内容和方法等方面。从数据挖掘的角度, 依然存在对网络基础数据以及用户数据的分析利用和预测不够完善, 对网络盲点与规律以及相应的优化建议应用不够透彻等问题。本文将单层传播的多层前向网络即BP人工神经网络结构应用于对话务量进行数据挖掘, 对数据进行预测, 分析关联, 聚集, 分类, 误差检测等处理, 在海量数据中挖掘提取出可能的潜在价值信息。1.2话务量大数据话务量, 指一定时间内呼叫次数与一次平均呼叫时间的乘积。话务预测是网络优化中非常重要的一部分。预测可分为定性预测, 时间顺序预测, 和因果模拟预测。其中时间顺序预测即通过过去预测未来的思想, 对研究对象变化特征的观察建模等等来寻找

5、出变化的规律, 从而实现时间预测。2BP神经网络2.1人工神经网络基本原理人工神经网络是通过人脑的一些活动演化出基本的原理和网络结构, 人类大脑神经元就是神经网络的结构组织。大脑的基本特征被ANN反映了出来, 由于人类对脑科学的探究还没有完全透彻, 人脑无法完全再现, 只能简化抽象或概括人脑的某一功能或组织。人工神经元是神经网络的基本单元。是一个多输入单输出的处理单元, 就像是数学上的多对一映射, 网络的形成是神经元的每个输入端将连接到像它的一个或多个神经元的输出端。通过加权与其连接的其他神经元的输出信号来获得神经元的输出信号。神经网络的学习是一个循序渐进的过程, 即不断地调整连接权系数。神经

6、网络通过样本提供的实例不断提高其性能, 从而在外界给定一定的输入时, 达到更正确的输出状态。2.2BP神经网络概述二十_大部分小区傍晚话务量远远大于中午的, 其中绝大多数晚忙大于早忙。1%的载频规模换来的就是可以额外吸收300arl业务量, 在保证正常话务需求的基础上。在保证了投资的同时, 提高了客户的满意度。在网络规划中, 使用晚忙时统计数据作为基础数据, 根据不同建设策略, 需要分析小区其他时间段话务情况, 进而考虑是否对该部分小区载频配置增加余量, 以确保网络建设能够达到最大投资回报比。4结语BP算法在神经网络中使用最普遍, 但却不能解决所有的问题, 确定训练的节点层数, 对算法研究员的经验要求很大, 需要磨练次数的积累。利用神经网络虽然可以帮助优化工作进行数据分析, 提高效率, 但是可能对服务器、数据库的要求较高, 并且存在所需时间长, 运营商无法接受等等问题。所以移动通信优化的工作任重道远, 本文只是提供了一种方法, 对数据挖掘和神经网络还需做更多更深入的研究。参考文献：1杨国宾.BP神经网络在数据挖掘中的应用J.计算机光盘软件与应用, 20_（6）：179-180.2王春梅.基于神经网络的数据挖掘算法研究J.现代电子技术, 20_（11）：119-122.3李友坤.BP神经网络