大数据解决方案.pptx

大数据解决方案 目录 01 项目需求及痛点 结合海南移动一键优化项目案例，捕捉客户实际需求及痛点，着实解决问题，为甲方客户创造价值。 1、基于海南移动网络大数据，使用机器学习算`法应用于日常网络优化分析，为智能化问题自动处理提供解决方案； 2、基于机器学习技术实现结构优化、根因定位、参数优化三个专题的智能化应用功能开发，实现智能化问题发现和定界定位，指导日常网络优化分析工作。 总体需求 构建一键优化系统，网优人员选择优化目标区域，自定义优化任务。 能够对任务的数据准备情况、算法模型运行情况、任务对应的根因定位-参数优化-结构优化模块的输出方案进行监控，网优人员能及时了解分析任务进度。 1、自选分析区域、自定义网优优化任务 2、待优化目标区域小区的问题定位（根因定位） 分析目标区域小区问题原因，判定小区是否有问题、什么问题、问题原因、优化方向（参数优化、结构优化）。 构建用于小区问题定位的规则库模型、小区性能评分模型、小区结构合理性模型等机器学习算法模型。 算法模型输出目标区域问题小区信息、优化方向和优化方案。 最终目的是优化目标区域小区参数配置。 要求输出目标小区参数配置方案。网络优化人员利用参数优化配置方案实现小区参数优化、解决小区问题。 3、实现目标区域问题小区的参数优化 最终目标是优化目标区域小区整体平均SINR。 要求输出目标区域各个小区方位角俯仰角配置方案。 构建rsrp/sinr达标预测模型、天线角度优化模型等模型，通过遗传算法迭代运算不同方位角与俯仰的整体平均SINR，输出待优化小区的最优方位角与俯仰。 4、实现目标区域问题小区的结构优化 问题定位 问题定位 问题定位 网络问题 发现 网络问题 发现 网络问题 发现 网优中心业务支持 以需求驱动小区网络问题分析。 分析小区网络问题的数据存在多个平台中，按照需求分别采集数据、加工，低效率。 问题小区问题定位、优化没有形成闭环，历史经验无法积累。 过去状态 启动分析任务 一键优化大数据平台（定制化机器学习算法模型） 自选区域 地理化设定优化区域 平台化建设，实现跨平台的大数据集中分析，无需关心数据如何获取问题。 建立一键优化系统，网优人员只需一键式启动分析目标区域任务，实现数据流转、数据计算、模型计算、模型结果输出、小区网络问题输出定位、小区网络问题解决。 构建与一键优化相关的多种算法模型，以机器学习算法发现小区网络问题。 以小区网络大数据 + 网优专家经验相结合，不断优化多种算法模型，提升机器学习算法的小区网络问题的解决能力。 实现LTE网络的一键优化，根因定位、参数优化和结构优化输出智能化诊断与解决方案。 总体目标 网优中心业务支持 跨平台需求驱动式取数分析 大数据池（工参、参数、性能、OTT） 根因定位 规则库模型+评分模型 +结构合理性模型 参数优化 场景化聚类模型 +小区性能相似度模型 结构优化 目标区域全覆盖模型 （rsrp模型、sinr模型） 优化+优化反馈 小区问题定位 +确定优化方向 输出参数调整方案 输出SINR最优时 方位角下倾角 一级模块 二级模块 模块说明 网络大数据采集 数据采集管理 从各网络业务系统平台采集的数据，实现统一管理。 数据采集调度 实现数据源数据至Hadoop大数据平台目标应用数据的数据采集作业统一调度。 网络大数据加工 数据标准化处理 对数据指标进行max-min、max/N ，等频分箱或等宽分箱等操作，实现数据的标准化。 数据加载处理 实现文件格式、传统数据库数据的数据存储到HDFS中。 数据加工调度 实现系统数据加工作业的统一调度。 数据汇总处理 对数据进行用户、小区、时间（天、小时）等粒度进行汇总，形成一系列主题的数据模型宽表。 数据质量管理 严格审核数据从源到端的数据质量。 大数据分析挖掘建模 数据探索 　 算法模型训练 　 算法模型检验 　 算法模型上线固化管理 　 一键优化 LTE小区场景化 　 根因定位算法模型 　 参数优化算法模型 　 结构优化算法模型 　 深度学习系统建设 　 搭建深度学习基础框架，为深度学习模型训练推理提供环境。 大数据业务平台系统建设 　 基于网络大数据采集与加工的成果，建立一套网络大数据的分析挖掘知识库与深度学习系统知识库的业务应用系统，该系统用于展示本项目的核心产生，用于指导一线业务人员、网络专家、网优专家对网络问题进行智能诊断与处理。 机器学习可视化平台建设 　 用于展现人工智能研发课题成果和满足用户使用要求系统功能，ü 能够展现刻画不同分析对象画像，能够展示深度学习系统人工神经网络数据流，提供深度学习系统知识库的共享数据API接口功能。 02 技术解决方案 结合海南移动一键优化项目案例，给出整体技术解决方案的具体实现。 启动任务 用户选择目标区域小区 数据采集：全网、不间