1.一种lte网络覆盖分析、预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的lte网络覆盖分析、预测方法,其特征在于,采用数据挖掘方法,收集并融合实测数据、网络性能数据和用户反馈数据,形成综合性数据源,得到综合网络数据集的步骤具体为:
3.根据权利要求1所述的lte网络覆盖分析、预测方法,其特征在于,基于综合网络数据集,采用卷积神经网络,自动学习和调整网络参数,识别网络的关键特征,产生初步优化参数模型的步骤具体为:
4.根据权利要求1所述的lte网络覆盖分析、预测方法,其特征在于,根据初步优化参数模型,运用深度q网络,动态微调天线配置、功率分配和信道分配参数,得出自适应网络配置参数集的步骤具体为:
5.根据权利要求1所述的lte网络覆盖分析、预测方法,其特征在于,依据自适应网络配置参数集,利用支持向量机技术,根据历史数据和学习模型,进行覆盖质量预测以及潜在问题区域的识别,得到覆盖质量预测与问题区域图的步骤具体为:
6.根据权利要求1所述的lte网络覆盖分析、预测方法,其特征在于,基于覆盖质量预测与问题区域图,采用遗传算法进行优化,自适应调整信号传输功率和资源分配策略,生成最优网络覆盖配置策略的步骤具体为:
7.根据权利要求1所述的lte网络覆盖分析、预测方法,其特征在于,依据最优网络覆盖配置策略,应用深度强化学习算法,实时感知网络状态和用户需求,实现频谱资源的动态分配,完成动态频谱资源分配方案的步骤具体为:
8.一种lte网络覆盖分析、预测系统,其特征在于,所述lte网络覆盖分析、预测系统用于执行权利要求1-7任一所述的lte网络覆盖分析、预测方法,所述lte网络覆盖分析、预测系统包括数据采集模块、参数优化模型构建模块、网络配置参数调整模块、质量预测与问题识别模块、网络覆盖优化与资源分配模块。
9.根据权利要求8所述的lte网络覆盖分析、预测系统,其特征在于,所述数据采集模块基于网络爬虫技术,采用数据预处理方法生成清洗后的实测数据集,利用数据库查询技术和情感分析,整合数据集,生成综合网络数据集;
10.根据权利要求8所述的lte网络覆盖分析、预测系统,其特征在于,所述数据采集模块包括网络爬虫子模块、第一数据预处理子模块、数据库查询子模块、情感分析子模块、数据融合子模块;