基于通话详细记录驱动的移动通信网络异常检测与流量预测

移动网络拥有关于用户以及网络的信息。此类信息有助于使网络实现端到端可视与智能化。大数据分析可借助机器学习工具高效分析用户与网络信息，挖掘有意义的洞察。利用大数据分析与机器学习，本工作在三个方面做出贡献。首先，我们利用通话详细记录（CDR）数据检测网络中的异常。对于异常的认证与验证，我们使用 k-means 聚类这一无监督机器学习算法。通过有效检测异常，我们可进一步进行合适的资源分配设计以及故障检测与规避。其次，我们通过移除异常活动来制备无异常数据，并训练一个神经网络模型。将该异常与无异常数据通过该模型，我们观察到异常活动对模型训练的影响，并观察到异常与无异常数据的均方误差。最后，我们使用自回归积分滑动平均（ARIMA）模型预测某用户的未来流量。通过简单可视化，我们表明无异常数据能更好地泛化学习模型，并在预测任务上表现更优。