CN108183754A

CN108183754A - 一种gsm基站电磁辐射预测方法

Info

Publication number: CN108183754A
Application number: CN201810009505.2A
Authority: CN
Inventors: 杨万春; 吴涛; 张雪; 彭艳芬
Original assignee: Xiangtan University
Current assignee: Xiangtan University
Priority date: 2018-01-05
Filing date: 2018-01-05
Publication date: 2018-06-19
Anticipated expiration: 2038-01-05
Also published as: CN108183754B

Abstract

本发明公开了一种GSM基站电磁辐射预测方法，其步骤如下：将271个GSM基站电磁辐射历史数据分成256个组，每个组内含有15个训练时的分组输入数据和1个训练时对应的输出比对数据，通过分组的历史数据对预测模型进行训练，再将训练好的预测模型对GSM基站电磁辐射进行预测。本发明分析了GSM基站电磁辐射预测的方式，该方法能对GSM基站电磁辐射进行高效及快速的预测，具有一定的社会效益。

Description

一种GSM基站电磁辐射预测方法

技术领域

本发明涉及一种GSM基站电磁辐射预测方法。

背景技术

目前针对通信基站周围的电磁辐射预测常运用训练好的预测模型进行预测。例如，文献《基于神经网络的TD-SCDMA基站电磁场强强度预测》(刘红欣.郑州大学硕士学位论文，2013.)在基站电磁辐射的的预测中，先对预测模型进行训练，然后使用训练好的模型进行预测，但是这种预测模型要想获得较好的预测效果，训练过程中需要的大量的训练数据，这些导致测试工作量非常大，另外预测也非常耗时，在很多情况下并不适用。

针对现有技术中存在的不足，本专利结合GSM基站电磁辐射序列的规律特性，以16个数据为一组，前15个数据为训练时的输入数据第16个数据为训练时输出值，采用271个数据进行模型的训练就能获得不错的预测效果，通过本发明提出的方法能够大大的减少了前期测量的工作量，同时能够更加高效和快速进行预测。

发明内容

为了解决上述技术问题，本发明提供一种GSM基站电磁辐射预测方法，能对GSM基站电磁辐射进行高效及快速的预测。

本发明解决上述技术问题的技术方案包括以下步骤：

1)、取GSM基站电磁辐射前271个历史数据作为训练数据，将271个历史数据分成256个组，每个组内含有15个数据，得到训练时的分组输入数据x_j，f和训练时对应的输出比对数据t_j，j为分组编号，j＝1,2,…,256，f为每一个分组内数据的编号f＝1,2,...,15；

2)、根据步骤1得到的分组训练数据x_j，f和t_j输入预测模型进行训练，确定预测模型的参数：ω_i、b_i、β_i，i＝1,2,…,30；

3)、根据步骤2训练得到的预测模型进行GSM基站电磁辐射预测。

上述的一种基于分组训练的GSM基站电磁辐射预测方法，所述步骤1)中，取GSM基站电磁辐射前271个历史数据作为训练数据，基于GSM基站电磁辐射的特性先将271个历史数据分成256个组，其特征是，以第1到第15个历史数据做为第一组训练过程中对应的输入数据x_1，f,f＝1,2,...,15,第16个数据为训练过程中对应的输出比对数据t₁，第2到第16个历史数据为第二组训练过程中对应的输入数据x_2，f,f＝1,2,...,15,第17个数据为训练过程中对应的输出比对数据t₂，以此类推,第256到第270个数据为第256组训练过程中对应的输入数据x_256，f，f＝1,2,...,15,第271个数据为训练过程中对应的输出比对数据t₂₅₆，共得到256组训练数据。

上述的一种基于分组训练的GSM基站电磁辐射预测方法，所述步骤2)中，将步骤1得到的分组训练数据输入预测模型进行训练，预测模型为：

在上式(1)预测模型中，g为拟合函数ω_i、b_i和β_i,i＝1,2,3,…,30,为预测模型的参数，x_j，f，j＝1,2,3,…,256，f＝1,2,…,15，为训练过程中对应的分组输入数据，t_j，j＝1,2,3,…,256,为训练过程中对应的输出比对数据，先将参数ω_i和b_i赋值为-1到1之间的随机数，并记录保存，然后将x_j，f、t_j、ω_i和b_i代入式(1)，确定参数β_i，则获得预测模型对应的ω_i、b_i和β_i的值。

上述的一种基于分组训练的GSM基站电磁辐射预测方法，所述步骤3)中，将预测前的15个GSM基站电磁辐射历史数据作为输入数据，前15个数据表示z₁,z₂,…,z₁₅输入已经训练好的预测模型进行预测，其预测表达式为：

其中，ω_i、b_i和β_i为权力要求1中通过步骤2训练获得预测模型的参数，g为拟合函数z_l为预测时候的输入数据，单位为V/m,y为模型的预测值，单位为V/m。

本发明的有益效果是：将271个GSM基站电磁辐射历史数据分成256个组，每个组内含有15个训练时的分组输入数据和1个训练时对应的输出比对数据，通过分组的历史数据对预测模型进行训练，再将训练好的预测模型对GSM基站电磁辐射进行预测。所建立的模型能对GSM基站电磁辐射进行高效及快速的预测。该方法对基站建设和环境保护有极大的参考价值，具有一定的社会效益。

附图说明

图1为本发明的流程图。

具体实施方式

本实施例在以本发明内容为前提下进行，给出了详细的实施步骤，但本发明的保护范围不限于下述的实施例。

本次实施的实验地在空旷平坦的区域,实施对象为校教学楼屋顶基站，实验仪器为频谱分析仪AT6030D。测量对象为GSM基站，测量时间从上午8点到晚上22点每天共计15个时间点，连续测量一个月的工作日共20天，共计测得300个数据，测得的300个数据放于下表中。表1测得的300个数据

下面结合附图和实施例对本发明作进一步的说明。

步骤一：取GSM基站电磁辐射前271个历史数据作为训练数据，先将历史数据依据GSM基站电磁辐射的特性，将271个历史数据分成256个组，每个组内含有15个数据，得到训练时的分组输入数据x_j，f和训练时对应的输出比对数据t_j，j为分组编号，j＝1,2,…,256，f为每一个分组内数据的编号f＝1,2,...,15。

在本次实施例中，GSM基站电磁辐射在20天的测量中共获得300个电磁辐射数据，将这300个数据进行分组，取预测点前271个历史数据做为预测模型的训练数据，然后将历史数据分成256个组。其中以第1到第15个历史数据作为第一组训练过程中对应的输入数据x_1，f＝[0.1513，0.1551，...，0.1469],f＝1,2,…,15,第16个数据为训练过程中对应的输出值t₁＝[0.1445],第2到第16个历史数据为第二组训练过程中对应的输入数据x_2，f＝[0.1551，0.1594，...，0.1445],f＝1,2,…,15,第17个数据为训练过程中对应的输出值t₂＝[0.1484]，以此类推,第256到第270个数据为第256组训练过程中对应的输入数据x_256，f＝[0.1547，0.1539，...，0.1569],f＝1,2,…,15,第271个数据为训练过程中对应的输出值，t₂₅₆＝[0.1558]，共得到256个分组训练数据。

步骤二：根据步骤1得到的分组训练数据x_j，f和t_j输入预测模型进行训练，确定预测模型的参数，ω_i、b_i、β_i，i＝1,2,…,30，其中的预测模型为：

在上式(1)预测模型中，g为拟合函数ω_i、b_i和β_i,i＝1,2,3,…,30,为预测模型的参数，x_j，f，j＝1,2,3,…,256，f＝1,2,…,15,为训练过程中对应的分组输入数据，t_j，j＝1,2,3，…,256,为训练过程中对应的输出比对数据，先将参数ω_i和b_i赋值为-1到1之间的随机数，并记录保存，然后将x_j，f、t_j、ω_i和b_i代入式(1)，确定参数β_i，则获得预测模型对应的ω_i、b_i和β_i的值。其中ω_i，b_i的值都放于下表中：

表2 ω_i的参数

表3 b_i的参数

由于参数ω_i，b_i随机赋值进行初始化其值如上表所示，最后可计算得出β_i的值如下表所示：

表4 β_i的参数

步骤三：根据步骤2训练得到的预测模型进行GSM基站电磁辐射预测,将预测前的15个GSM基站电磁辐射历史数据作为输入数据，前15个数据表示z₁,z₂,…,z₁₅输入已经训练好的预测模型进行预测，其预测表达式为：

其中，ω_i，β_i和b_i为权力要求1中通过步骤2训练获得预测模型的参数，g为拟合函数z_l为预测时候的输入数据，单位为V/m，y为模型的预测值，单位为V/m，如下表所示：

表5输入值、预测值、测量值的展示

为了进一步体现本发明方法的有效性，将所提出方法的预测值与测量值提出来进行比较，如下表所示：

表6所提出方法的预测值y_i与对应的测量值比较

y₁	y₂	y₃	y₄	y₅	y₆	y₇	y₈	y₉	y₁₀	y₁₁	y₁₂	y₁₃	y₁₄
														0.1527	0.1588	0.1574	0.1611	0.1624	0.1557	0.1557	0.1597	0.1571	0.1595	0.1607	0.1558	0.1569	0.1573
测量值	测量值	测量值	测量值	测量值	测量值	测量值	测量值	测量值	测量值	测量值	测量值	测量值	测量值
														0.1554	0.1568	0.1596	0.1648	0.1606	0.1557	0.1562	0.1558	0.1595	0.1608	0.1567	0.1546	0.1554	0.157

同时该模型平均每次预测时间只需0.1秒，大大提高了预测速度。

从实验结果可以看出，各个预测值与测量值都比较接近，说明利用此方法可以实现GSM基站电磁辐射高效及快速的预测，验证了本发明所使用方法的有效性。

Claims

1.一种GSM基站电磁辐射预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种GSM基站电磁辐射预测方法，所述步骤1)中，取GSM基站电磁辐射前271个历史数据作为训练数据，基于GSM基站电磁辐射的特性先将271个历史数据分成256个组，其特征是，以第1到第15个历史数据，作为第一组训练过程中对应的输入数据x_1，f,f＝1,2,...,15,第16个数据为训练过程中对应的输出比对数据t₁，第2到第16个历史数据为第二组训练过程中对应的输入数据x_2，f,f＝1,2,...,15,第17个数据为训练过程中对应的输出比对数据t₂，以此类推,第256到第270个数据为第256组训练过程中对应的输入数据x_256，f，f＝1,2,...,15,第271个数据为训练过程中对应的输出比对数据t₂₅₆，共得到256组训练数据。

3.如权利要求1所述的一种GSM基站电磁辐射预测方法，所述步骤2)中，其特征是，将分组训练数据输入预测模型进行训练，预测模型为：

在上式(1)预测模型中，g为拟合函数ω_i、b_i和β_i,i＝1,2,3,…,30，为预测模型的参数，x_j，f，j＝1,2,3,…,256，f＝1,2,…,15,为训练过程中对应的分组输入数据，t_j，j＝1,2,3,…,256，为训练过程中对应的输出比对数据，先将参数ω_i和b_i赋值为-1到1之间的随机数，并记录保存，然后将x_j，f、t_j、ω_i和b_i代入式(1)，确定参数β_i，则获得预测模型对应的ω_i、b_i和β_i的值。

4.如权利要求1所述的一种GSM基站电磁辐射预测方法，所述步骤3)中，其特征是，将预测前的15个GSM基站电磁辐射历史数据作为输入数据，前15个数据表示z₁,z₂,…,z₁₅，输入已经训练好的预测模型进行预测，其预测表达式为：

其中，ω_i、b_i和β_i为权力要求1中通过步骤2训练获得预测模型的参数，g为拟合函数z_l为预测时候的输入数据，单位为V/m，y为模型的预测值，单位为V/m。