本申请涉及人工智能,尤其涉及一种模型训练方法、小区天线调整方法、装置及电子设备。
背景技术:
1、在通信领域里,网络优化是提高用户通信体验的主要措施。其中,用户分布是网络优化十分重要的参考指标。这里,以通信网络中的小区优化为例,如果能够预测得到小区的用户分布在下一时刻将要发生改变,则可以根据预测到的用户分布对小区的一些参数进行自适应调整,以应对未来的变化。
2、为此,如何对未来用户分布进行准确预测,以及如何根据预测得到的未来用户分进行网络优化,是当前亟需解决的技术问题。
技术实现思路
1、本申请目的是提供一种模型训练方法、小区天线调整方法、装置及电子设备,能够基于小区的历史用户分布对未来用户分布实现准确,并根据预测得到的未来用户分布对小区天线进行调整。
2、为了实现上述目的,本申请实施例是这样实现的:
3、第一方面,提供一种模型训练方法,包括:
4、获取目标小区的用户分布时空序列样本,所述用户分布时空序列样本由多个连续时间窗口的用户空间分布数据组成,所述用户分布时空序列样本标注有目标时间窗口的用户空间分布数据,所述目标时间窗口是所述多个连续时间窗口之后的时间窗口;
5、将所述用户分布时空序列样本输入至用户分布预测模型,得到所述目标小区对应所述目标时间窗口的预测用户空间分布数据;
6、基于所述用户分布时空序列样本标注的所述目标时间窗口的用户空间分布数据,和所述用户分布预测模型提供的所述目标时间窗口的预测用户空间分布数据,确定所述用户分布预测模型的训练损失;
7、第二方面,提供一种小区天线调整方法,包括:
8、获取目标小区与未来时间窗口相关联的用户分布时空序列,所述用户分布时空序列由多个连续历史时间窗口的用户空间分布数据组成;
9、将所述用户分布时空序列输入至用户分布预测模型,得到所述目标小区对应所述未来时间窗口的预测用户空间分布数据;其中,所述用户分布预测模型是基于所述目标小区的用户分布时空序列样本训练得到的,所述用户分布时空序列样本由多个连续时间窗口的用户空间分布数据组成,所述用户分布时空序列样本标注有目标时间窗口的用户空间分布数据,所述目标时间窗口是所述多个连续时间窗口之后的时间窗口;
10、基于所述目标小区对应所述未来时间窗口的预测用户空间分布数据,确定相匹配的天线调整策略;
11、在所述未来时间窗口,按照所述天线调整策略对所述目标小区进行天线调整。
12、第三方面,提供一种模型训练装置,包括:
13、训练样本获取模块,用于获取目标小区的用户分布时空序列样本,所述用户分布时空序列样本由多个连续时间窗口的用户空间分布数据组成,所述用户分布时空序列样本标注有目标时间窗口的用户空间分布数据,所述目标时间窗口是所述多个连续时间窗口之后的时间窗口;
14、训练样本输入模块,用于将所述用户分布时空序列样本输入至用户分布预测模型,得到所述目标小区对应所述目标时间窗口的预测用户空间分布数据;
15、训练损失计算模块,用于基于所述用户分布时空序列样本标注的所述目标时间窗口的用户空间分布数据,和所述用户分布预测模型提供的所述目标时间窗口的预测用户空间分布数据,确定所述用户分布预测模型的训练损失;
16、训练调整模块,基于所述训练损失,对所述用户分布预测模型进行参数调整。
17、第四方面,提供一种小区天线调整装置,包括:
18、预测准备模块,用于获取目标小区与未来时间窗口相关联的用户分布时空序列,所述用户分布时空序列由多个连续历史时间窗口的用户空间分布数据组成;
19、预测执行模块,用于将所述用户分布时空序列输入至用户分布预测模型,得到所述目标小区对应所述未来时间窗口的预测用户空间分布数据;其中,所述用户分布预测模型是基于所述目标小区的用户分布时空序列样本训练得到的,所述用户分布时空序列样本由多个连续时间窗口的用户空间分布数据组成,所述用户分布时空序列样本标注有目标时间窗口的用户空间分布数据,所述目标时间窗口是所述多个连续时间窗口之后的时间窗口;
20、策略确定模块,用于基于所述目标小区对应所述未来时间窗口的预测用户空间分布数据,确定相匹配的天线调整策略;
21、策略执行模块,在所述未来时间窗口,按照所述天线调整策略对所述目标小区进行天线调整。
22、第五方面,本申请实施例提供了一种电子设备,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器执行第一方面或第二方面所述的方法。
23、第六方面,提供一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现第一方面或第二方面所述的方法。
24、本申请实施例的方案将小区多个连续时间窗口的用户空间分布数据组合成用户分布时空序列样本,并以多个连续时间窗口之后的目标时间窗口的用户空间分布数据为标签,对用户分布时空序列样本进行标注,从而基于标注后的用户分布时空序列样本对用户分布预测模型进行训练。训练过程是以标签所标注的目标时间窗口的用户空间分布数据作为监督,对用户分布预测模型进行参数调整,使得用户分布预测模型输出的预测用户空间分布数据逐向标签标注的目标时间窗口的用户空间分布数据趋近。由于目标时间窗口相对于用户分布时空序列样本而言属于未来时间窗口,因此训练得到的用户分布预测模型最终能够根据多个连续历史时间窗口的用户空间分布数据所组成的用户分布时空序列,来预测未来时间窗口的用户空间分布数据,从而提前规划好对小区天线的调整策略,最终使小区天线的覆盖能够自适用于未来用户分布的变化。
1.一种模型训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,获取目标小区的用户分布时空序列样本,包括:
3.根据权利要求1所述的方法,其特征在于,
4.根据权利要求1所述的方法,其特征在于,基于所述用户分布时空序列样本标注的所述目标时间窗口的用户空间分布数据,和所述用户分布预测模型提供的所述目标时间窗口的预测用户空间分布数据,确定所述用户分布预测模型的训练损失,包括:
5.一种小区天线调整方法,其特征在于,包括:
6.根据权利要求5方法,其特征在于,包括:基于所述目标小区对应所述未来时间窗口的预测用户空间分布数据,确定相匹配的天线调整策略,包括:
7.根据权利要求6方法,其特征在于,包括:基于所述目标小区对应所述参考时间窗口的用户空间分布数据,和所述目标小区对应所述未来时间窗口的预测用户空间分布数据,确定所述目标小区的用户分布变化量,包括:
8.根据权利要求5方法,其特征在于,包括:
9.一种模型训练装置,其特征在于,包括:
10.一种小区天线调整装置,其特征在于,包括:
11.一种电子设备,其特征在于,所述设备包括:
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现如权利要求1-5任一项所述的方法,或者,所述计算机可执行指令在被处理器执行时实现如权利要求6-8任一项所述的方法。