电信投诉处理移动网络论文提纲

论文题目：基于用户感知与业务特征的电信网络性能监控与检测模型研究

摘要：随着通信容量、速度、稳定性要求的不断提升,空间、城市无线通信理论与应用作为无线电物理学科的主要研究方向之一,在低时延海量物联网、智慧城市等领域得到广泛的关注。基于多地理与业务场景下的网络性能异常检测为无线电波在复杂场景的传播特性、信道特性及其自适应选频技术研究提供了技术保障。爆发式增长的终端接入总数以及数据业务流量发展对电信网络性能优化提出了严峻的挑战。无线局部弱覆盖、系统容量负荷不均、大型集团业务的井喷式发展带来的支撑优化能力不足问题成为目前运营商面临的主要问题。同时,快速发展的LTE连接技术产生了海量的网络数据,比如是浏览类、视频类、下载类、即时通信类等多类数据业务数据。同时,结合各类物理场景的复杂性,比如居民区、高铁、重点大型集团、商圈等,使得每类物理场景在用户行为的影响下其业务特性的表现也纷繁多样,从而给电信网络性能异常检测带来了很大的挑战与难度。目前,现有的通过对网络性能指标进行学习建模的机器学习技术无法较好地适用于高度多样性的城市物理场景和用户访问行为相互影响作用的复杂性网络。对于基于复杂物理与业务场景的网络性能异常检测具有重要的理论价值和应用前景。论文利用解析方法与机器学习方法研究了基于复杂物理与业务场景的网络性能异常检测模型,并在集团语音异常检测、数据上网业务异常检测、物联网业务健康异常检测研究场景下展开了深入研究,取得的主要成果如下:1、针对集团语音专线业务健康度提升这一难点问题展开了网络健康度的模型研究。利用机器学习技术,以电信运营商的话单数据、CRM数据、网络信令交互数据为数据样本,提出了语音业务质量预警、客户价值评估分析、竞争环境分析等模型,研究了各类交互数据对网络性能与业务趋势的影响,用以提升语音网络故障,网络资源瓶颈等网络风险预测的精准性。2、深入研究与移动数据业务使用感知相关的各项影响特征指标,并提出了一种通信网络“泛时延”的概念,建立了网络性能指标与“泛时延”的关联方程。在“泛时延”理论基础之上,提出了一种新的无线性能分析算法去评估LTE网络的可访问性能。该算法是建立可访问性能与网络特征指标的关系模型,目的是用于探测目标网络可访问性的恶化时刻。整个系统是由数据驱动,使用大量的流量测量值数据。算法关注并认识到网络中的小区各自具有的特征与行为不尽相同,利用集成聚类的模型算法做数据中间处理,生成各类小区簇。在此基础之上,通过采用多类回归算法对不同集群组的小区簇进行目标值预测来推导得出最佳回归预测算法。3、本文提出了一种基于各类数据业务特征与多维物理场景特征的网络小区场景聚类算法。并基于聚类出的各场景下的核心网络指标特征,进行分场景的网络性能异常检测研究,从而建立了一套能够适应多业务和物理场景特性的无线网络性能异常检测的新算法,解决了现有技术在多场景融合的网络结构下性能预测精准性低的问题。同时,本文考虑到网络性能与时间特征的强关联性,在基于多场景的网络性能异常检测模型之中引入时间特征值,构建了加入时间特征的改进型GMM算法的性能异常检测模型,优化提升了在与时间特征相关的网络状态上下文中的异常检测的准确性。4、利用集成式回归学习算法对电信网络的用户业务使用感知及投诉模型进行学习。具体研究分析了用电信网络的海量核心指标数据与用户投诉的关联映射关系,提出了电信网络用户投诉预测模型,用以综合评估与预测潜在投诉用户。同时,对算法模型提出了进一步的优化研究,从降低指标数量、降低数据维度、扩大数据集样本,优化判断阈值选取等几个方面进行了算法性能的优化提升研究,取得了较好的提升效果。5、针对物联网网络与终端模组的多样化而带来的网络适配异常问题这一现状,利用集成式机器学习的适用性强,误差低的特点,本文提出了基于集成式回归算法的网络核心指标与物联网健康度指标的映射模型,可适用于物联网网络异常问题自动预警与定界,物联网风险预警等应用场景。利用该评估模型可使得电信运营商及时掌握物联网卡的业务异动趋势,实时监测评估已物联网卡号信息安全风险,针对高风险点及时进行有效干预。

关键词：性能监测;集成聚类;异常检测;回归算法;网络容量;满意度预测

学科专业：无线电物理

摘要

ABSTRACT

符号对照表

缩略语对照表

第一章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 大数据分析挖掘与人工智能算法概况

1.2.2 电信网络性能异常预警与故障预测算法

1.2.3 电信业务异常事件监测算法

1.3 论文结构及内容安排

第二章 网络性能分层结构中指标研究

引言

2.1 电信网络指标体系

2.1.1 电信网络重要指标研究

2.1.2 电信网络重要指标特征研究

2.2 电信网络常见性问题分析

2.2.1 电信固定电话业务常见问题分析

2.2.2 电信移动网络常见问题分析

2.3 电信固网语音业务的健康度指标评估模型研究

2.3.1 集团语音专线业务话务突变模型

2.3.2 集团语音专线业务话务趋势预测模型研究

2.3.3 电信固网语音模型应用场景总结

2.4 电信数据业务“泛时延”理论研究与网络指标关联模型研究

2.4.1 泛时延理论研究分析

2.4.2“泛时延”与网络性能指标的关联模型研究

2.5 本章小结

第三章 电信数据网络可访问性预测模型

引言

3.1 电信数据网络可访问性现有技术研究

3.2 数据预处理和分析

3.3 可访问性算法描述

3.3.1 关系模型建立过程

3.3.2 核心数据特征分析

3.3.3 算法整体过程描述

3.3.4 算法详细过程描述

3.3.5 算法验证

3.4 本章小结

第四章 基于业务场景聚类的电信数据网络性能异常检测

引言

4.1 数据预处理和分析

4.1.1 基于地理与业务场景的区分度分析

4.1.2 数据相关性检验筛选

4.2 电信网络场景聚类算法过程

4.2.1 集成聚类中的各聚类算法描述

4.2.2 集成聚类算法过程

4.2.3 算法效果评估

4.3 基于场景聚类的通信网络异常检测

4.3.1 基于各场景下网络核心业务指标判定

4.3.2 异常小区结果判定与分析

4.4 本章小结

第五章 引入时间特征的改进型高斯混合模型性能异常检测

引言

5.1 各算法模型比较

5.2 改进型高斯算法模型阐述

5.2.1 数据样本提取与分析

5.2.2 改进型算法推导过程

5.3 改进型混合高斯算法与各类算法的结果对比分析

5.4 改进型混合高斯算法多维特征数据分析

5.5 本章小结

第六章 基于回归分析的用户业务使用感知及投诉预测

引言

6.1 挖掘感知点匹配关键性指标

6.1.1 明确用户感知点

6.1.2 匹配感知指标

6.2 基于回归分析的用户数据业务使用感知预测模型

6.2.1 数据源与目标定位

6.2.2 算法过程及数据分析

6.2.3 性能提升优化

6.2.4 确定关键性指标和权重模型

6.3 本章小结

第七章 物联网业务与运营质量健康度算法研究与应用

引言

7.1 物联网端到端业务质量评估与问题人工定界

7.2 物联网健康度指标模型研究

7.2.1 数据处理与算法方程

7.2.2 算法过程阐述

7.2.3 算法检验

7.3 算法应用效果

7.4 本章小结

第八章 总结与展望

8.1 总结

8.2 对未来研究的展望

参考文献

致谢