摘要：目前，我国移动通信网络已经步入了稳定期，现在我需要在稳定中求创新，不断地满足用户的需求，传统的优化的粗浅方法已经不能满足当前要求。因此，基于大数据分析技术的应用就应运而生。本文主要针对网络信号的覆盖以及网络下载速率的感知等方面提出了后台数据分析优化技术措施，希望能够为通信网络优化工作开展提供依据，从而不断克服网络建设难关。
关键词：大数据；移动通信网络；网络优化应用
引言
众所周知，移动通信网络数据用户群庞大、基站多，产生的数据也多，对于这些数据的获取和收集是一个相当庞大的工程，这给移动通信网络的优化工作带来了很大的难度。常规的信息处理技术在处理大量的通信数据以及客户信息的时候常常出现降低信息传输的现象。而大数据分析在处理大量通信数据时，更为快速、准确、智能化，从而使得通信质量与安全得到了极大地提升。下面就大数据分析在移动通信网络优化中的应用进行分析。
1移动通信网络化化技术及其发展现状
1.1移动通信网络化化技术
移动通信网络优化是在了解网络的实际运行状况下，加强对数据的分析和采集，进而进行网络的优化。所以在移动通信网络优化中，对数据的分析和采集的关键在于对各种来源的基础数据进行分析，进而对移动通信网络故障进行定位。采集网络数据包括五种基础来源，分别为ＯＭＣ数据、移动通信用户投诉数据、道路测试数据、话务统计数据和其他数据资料等。
1.2移动无线通信网络发展的现状
近几年来，我国的移动通信网络迅速发展，通信系统逐渐升级，变得更加的方便快捷，移动通信业也是发生了很大的变化。在移动通信网络市场中竞争是非常激烈的，这也就能够有效的保证网络运营商给用户提供质量比较高的网络，只有做到这样才能够很好的从激烈的市场竞争中脱颖而出。
2大数据分析
大数据分析技术理论基础是大量的样本数据，即来源准确、数据丰富、具有内在联系的数据。通过对这些数据进行分类、分组，进而估计数据有效性，最后进行复杂数据挖掘。下面主要对聚类分析的后台数据优化模型进行阐述。
3目前大数据分析在移动通信网络应用中面临的挑战
3.1移动网络传输基站的压力较大
就现在社会上的情况来看，移动网络的普及速度是非常快的，基本上是人人都使用移动通信网络的时代，这就体现出一个比较重要的问题就是随着使用人数的不断增多，数据量也愈加庞大，这就大大增加了移动通信网络传输基站的压力。所以网络运营商就要做好这方面的计划，怎样才能够更好的做好大数据分析和统计工作，减轻运营基站的压力。
3.2网络用户的多元化需求
随着智能手机的普及和数码产品类型的多样化，有的会用电脑上网，有的会用手机上网，需求是愈加多元化，在这样的使用形势下，总会有一部分的用户会出现网络不通畅或者加载速度比较慢的情况；或者在使用网络人数比较多的地方，网络质量会变得不是很好，这就要求网络运营商根据实际情况做出调整去解决好这种问题。
3.3大数据的分析是需要大量的资金投入
大数据分析技术的研究与发展是需要运营商投入大量的资金和时间的，在建设移动网络通信的过程中数据结构和性质会存在差异，这些差异就无形中加长了移动通信网络的优化时间，增加了运营商的资金负担[1]。在进行移动通信网络优化的过程中，是需要将各个区域的数据整合到统一的平台上，这是需要大量时间和资金投入的。
期刊文章分类查询,尽在期刊图书馆
4基于聚类分析的后台数据优化技术模型
4.1聚类分析
聚类分析主要是对数据进行复杂性的类别定义，通过聚集相类别来量化大量基础数据，在同类属性的数据中提取有效信息，对这些信息进行分类，每类赋予一个权重，按照其重要程度来分别进行加权平均，这样获取指标评估的体系。这种将数据分类，接着对其有效性进行估计，得出的网络KPI评估，最终对未来相关数据进行有效地预测，这属于大数据分析方面的比较常见的方式，预测结果才更合理有效[2]。现结合某市的移动通信网络，依靠KPI方面的监控分析模型的建立，将其在日常的KPI指标优化中加以运用。
4.2后台数据采集
在大数据的分析中，最重要和基础的工作是对数据的有效采集，在某市的移动通信网络优化中，我们采集了10种基础配置数据与16种能反映移动通信网络真实情况的KPI数据，对这些数据进行分析并加以权重[3]。
4.3后台数据分类
根据所提出的数据属性进行分类，主要分为四大类：业务类、容量类、感知类。业务类是指移动通信用户所使用的业务类型，有话务量、数据流量等数据。质量类是指有干扰化例、上行质量、下行质量、重传率等数据。
4.4建立分析模型
现通过对以上分类的4种数据进行加权，并对数据进行平均，进而得到科学的后台数据评估体系[4]。在某地市移动通信网络长期数据统计中，获取了一组较为合理的指标评估体系数据，并依此建立了聚类分析模型。这个模型共包含以下6类数据：网络覆盖类、网络保持性、网络接入性、通话质量类、资源类及考察类。
4.5后台数据优化
数据的自动优化，是指根据移动通信网络的后台数据的大数据处理分析，对出现的问题定位分析，给出科学的解决建议，为移动通信网络优化人员提供帮助，降低了人员工作量，节省劳动资源。比如在某市区的移动通信网络优化工作中的休眠小区的监控与处理[5]。因为移动通信网络规模较大、小区多、使用用户也多、网络出现问题较为频繁，用人工很难进行对问题进行排查。通过对大数据的分析，能够有效地筛选休眠条件的问题小区，及时解决小区问题，达到智能化分析的目的，大大节省了人员的工作时间。
5大数据分析在移动通信网络优化中的应用策略
一是准备阶段，准备工作是后续工作进行的基础，在这一步骤中首先就是要制定好优化的数据目标和优化工作所需的资料；二是测试阶段，准备工作完成之后，进入到测试环节，在这个环节是需要工作人员收集获取数据，在将数据输入到设备中进行测试工作；三是测试完成之后就进入到优化阶段，这个步骤就是就使用信号存在的故障等问题进行分析，在得出准确的结论之后研究解决措施，最后进行优化，来确保通信网络的正常工作[6]。四是数据参数调整阶段，运营商在提供服务的同时也要仔细观察参数设置，及时发现并调整错误的参数来保证移动通信网络工作的正常进行。
结语
由本文的分析可知，大数据分析技术应用于移动通信网络的优化中的作用极为重要，加强对数据的采集以及分析是进行网络优化的重要前提。通过以上建立聚类分析对某市移动网络的优化起到很好的效果，有助于帮助通信公司优化数据，提高效率。但在发展与突破的同时，仍然存在一系列问题，还需要加大对大数据技术的研究力度，整合更精准的数据，获得持续发展的机会。
参考文献：
[1]甄仲强.大数据分析在移动通信网络优化中的应用[J].工程建设与设计，2017（01）：173-174+177.
[2]汪敏，廖名扬.大数据分析在移动通信网络优化中的应用研究[J].通讯世界，2017（02）：123.
[3]兰东.大数据分析在移动通信网络优化中的应用[J].信息与电脑（理论版），2017（17）：147-148+152.
[4]吴军玲.大数据分析在移动通信网络优化中的应用研究[J].甘肃科技纵横，2017，46（09）：7-9+84.
[5]唐明双.大数据分析在移动通信网络优化中的应用[J].黑龙江科学，2017，8（20）：146-147.
[6]邹睿翀，宋猛，徐聪.基于大数据分析下的移动通信网络优化[J].电子测试，2017（23）：118-119.
论文作者:黄俊
论文发表刊物:《基层建设》2019年第2期
论文发表时间:2019/4/23
标签：移动通信论文; 数据论文; 网络论文; 大数论文; 据分析论文; 后台论文; 技术论文; 《基层建设》2019年第2期论文;