基于机器学习的无线网络隐性故障智能定位系统研究

广泛使用业界优秀的开源技术和AI算法,对多个无线网络小区业务、性能指标结合历史数据进行异常检测,实现有监督的机器学习能力,基于循环神经网络（RNN）、孤立森林（Isolation Forest）和统计模型的智能定位算法,结合多系统多维度数据实现全网小区业务及性能的动态分析,主动定位和发现网络中设计缺陷、现场故障、软硬件未知漏洞等问题,总结定位问题形成案例库,并自学习优化定位算法,逐步完善智能学习条件和功能,实现小区级隐性故障的智能定位和发现。该系统已完成19776个小区隐性故障整治,系统隐性故障定位准确率为82%。