基站节能策略确定方法、装置以及方法存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114269007A(43)申请公布日2022.04.01(21)申请号202010967404.3G06N20/10(2019.01)(22)申请日2020.09.15(71)申请人中国电信股份有限公司地址100033北京市西城区金融大街31号(72)发明人吕田田吴艳芹陆中远张乐章军刘丽(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人方亮(51)Int.Cl.H04W52/02(2009.01)G06N20/00(2019.01)G06N3/04(2006.01)G06K9/62(2022.01)G06N20/20(2019.01)权利要求书3页说明书10页附图4页(54)发明名称基站节能策略确定方法、装置以及方法存储介质(57)摘要本公开提供了一种基站节能策略确定方法、装置以及存储介质，其中的方法包括：利用训练样本集对多种机器学习模型进行训练，使用训练好的机器学习模型对验证样本集进行预测处理，生成新训练样本；基于新训练样本和对应的评分结果对节能策略推荐模型进行训练，使用训练好的节能策略推荐模型为目标基站确定各个机器学习模型的推荐度信息，基于推荐度信息获取融合模型并确定节能策略。本公开的方法、装置以及存储介质，综合了多种机器学习模型之间的关联关系，对不同类型的基站进行最优节能策略推荐，支持基站参数的自动调整，减少了人工参与，在不影响用户体验的情况下，有效降低基站设备能耗，减少电信运营管理的运营成本支出。CN114269007ACN114269007A权利要求书1/3页1.一种基站节能策略确定方法，包括：获取与多个基站相对应的历史数据，基于所述历史数据生成训练样本集和验证样本集；利用所述训练样本集对预设的多种机器学习模型进行训练；其中，对于每种机器学习模型都设置有多个机器学习模型；使用训练好的各个机器学习模型对所述验证样本集进行预测处理，基于预测结果生成新训练样本；获取与所述新训练样本相对应的评分结果，基于所述新训练样本和对应的评分结果对预设的节能策略推荐模型进行训练；使用训练好的节能策略推荐模型为目标基站确定各个机器学习模型的推荐度信息；基于所述推荐度信息获取融合模型，根据所述融合模型为目标基站确定节能策略；其中，所述融合模型包括每种机器学习模型中的至少一个机器学习模型。2.如权利要求1所述的方法，所述使用训练好的节能策略推荐模型为目标基站确定各个机器学习模型的推荐度信息包括：获取与目标基站相对应的预测数据，基于此数据生成预测样本；使用训练好的各个机器学习模型分别对所述预测样本进行预测处理，基于预测结果生成新预测样本；使用训练好的所述节能策略推荐模型并基于所述新预测样本分别确定各个机器学习模型的推荐度信息。3.如权利要求1所述的方法，所述基于所述推荐度信息获取融合模型包括：将每种机器学习模型中推荐度最高的至少一个机器学习模型作为融合成员模型；基于所述融合成员模型建立所述融合模型。4.如权利要求1所述的方法，其中，所述多种机器学习模型包括：节能场景识别模型和业务流量预测模型；所述节能场景识别模型对应的算法包括：聚类算法；所述业务流量预测模型对应的算法包括：LSTM算法、LightGBM算法；所述方法还包括：基于所述节能场景识别模型和所述业务流量预测模型建立AI节能模型知识库。5.如权利要求4所述的方法，其中，所述融合模型包括：节能场景识别模型和业务流量预测模型；所述根据所述融合模型为目标基站确定节能策略包括：获取所述融合模型中的节能场景识别模型和业务流量预测模型的预测结果；基于所述预测结果为目标基站确定节能策略。6.如权利要求1所述的方法，还包括：获取所述目标基站对于所述节能策略反馈的节能效果评估指标信息；根据所述节能效果评估指标信息对所述节能策略推荐模型和所述机器学习模型进行优化处理。7.如权利要求1所述的方法，还包括：对获取的所述历史数据进行预处理；其中，所述历史数据包括：基站负载性能KPI数据、业务质量数据、基站工参数据、MR数据中的一种或多种。8.如权利要求1至7任一项所述的方法，其中，2CN114269007A权利要求书2/3页所述节能策略推荐模型对应的算法包括：GBDT算法和FM算法的组合算法。9.一种基站节能策略确定装置，包括：第一样本处理模块，用于获取与多个基站相对应的历史数据，基于所述历史数据生成训练样本集和验证样本集；第一模型训练模型，用于利用所述训练样本集对预设的多种机器学习模型进行训练；其中，对于每种机器学习模型都设置有多个机器学习模型；第二样本处理模块，用于使用训练好的各个机器学习模型对所述验证样本集进行预测处理，基于预测结果生成新训练样本；第二模型训练模块，用于获取与所述新训练样本相对应的评分结果，基于