第第#頁/共10頁4城郊開闊區(qū)域14城區(qū)<20m多層建筑5市區(qū)開闊區(qū)域15低密度工業(yè)建筑區(qū)域6道路開闊區(qū)域16高密度工業(yè)建筑區(qū)域7植被區(qū)17城郊8灌木植被18發(fā)達(dá)城郊區(qū)域9森林植被19農(nóng)村10城區(qū)超高層建筑(>60m)20CBD商務(wù)圈與工程參數(shù)數(shù)據(jù)一樣，地圖數(shù)據(jù)也進(jìn)行了柵格化處理，每個(gè)柵格代表了5m5m的區(qū)域，其中(X,Y)記錄了地圖所在柵格的左上角坐標(biāo)。在明確了地圖存儲格式之后，可以針對不同的參數(shù)對地圖進(jìn)行可視化處理。如Fig.3所示，F(xiàn)ig.3a-c分別根據(jù)柵格坐標(biāo)以及房屋高度、海拔高度和地物類型索引作為特征對地圖進(jìn)行可視化處理。通過可視化處理,可以對地圖數(shù)據(jù)有一個(gè)更為直觀的了解。(a)建筑物高度 (b)海拔高度 (c)地物類型索引Fig.3：電子地圖圖像化示例標(biāo)簽數(shù)據(jù)平均信號接收功率(RSRP)標(biāo)簽數(shù)據(jù)作為實(shí)際測量結(jié)果，在監(jiān)督學(xué)習(xí)中用于和機(jī)器學(xué)習(xí)模型預(yù)測的結(jié)果作比較，共有1個(gè)字段，對應(yīng)含義如Table所示。Table5：RSRP標(biāo)簽數(shù)據(jù)表格的字段含義字段名稱含義單位RSRP柵格(X,Y)的平均信號接收功率，標(biāo)簽列dBm如Fig.4所示，結(jié)合電子地圖數(shù)據(jù)中的坐標(biāo)和特征以及標(biāo)簽數(shù)據(jù)中的RSRP值，可以清晰地對信號功率分布進(jìn)行可視化處理,從而明確辨識信號強(qiáng)弱覆蓋區(qū)域。Fig.4：標(biāo)簽數(shù)據(jù)的可視化處理4無線傳播模型建模賽題本賽題除在中國研究生數(shù)學(xué)建模競賽網(wǎng)站上上交論文外，問題三需要在華為云平臺上提交模型，不提交的隊(duì)伍將被視為沒有完成此題而不計(jì)入比賽成績。4.1特征工程中的特征設(shè)計(jì)高效的機(jī)器學(xué)習(xí)模型建立依賴于輸入變量與問題目標(biāo)的強(qiáng)相關(guān)性，因此輸入變量也稱為“特征”。特征工程的本質(zhì)是從原始數(shù)據(jù)中轉(zhuǎn)換得到能夠最好表征目標(biāo)問題的參數(shù)，并使得各個(gè)參數(shù)的動態(tài)范圍在一個(gè)相對穩(wěn)定的范圍內(nèi)，從而提高機(jī)器學(xué)習(xí)模型訓(xùn)練的效率。一般特征工程的典型技術(shù)有：?剔除失真、低質(zhì)量數(shù)據(jù)；數(shù)據(jù)插值補(bǔ)齊；去除異常點(diǎn)；?連續(xù)數(shù)據(jù)離散化；數(shù)據(jù)去均值；幅度限制；方差限制。高階的特征工程需要充分利用與目標(biāo)問題相關(guān)的專業(yè)知識。對于信道傳播模型問題，可以如Fig.5所示根據(jù)已知的幾何位置來挑選合理的特征。例如，通過發(fā)射機(jī)相對地面的高度、機(jī)械下傾角 、垂直電下傾角，發(fā)射機(jī)所在柵格位置與目標(biāo)柵格位置，可以得到柵格與發(fā)射機(jī)的距離以及柵格與信號線的相對高度 ，而就可以作為一個(gè)特征。Fig.5：根據(jù)目標(biāo)柵格與發(fā)射機(jī)的地理位置關(guān)系提取特征除了幾何位置特征，傳統(tǒng)經(jīng)驗(yàn)信道模型中涉及的參數(shù)也可以納入特征工程的考察范圍。例如城市中的經(jīng)典模型Cost231-Hata，其定義如下：, (1)其中PL定義為傳播路徑損耗(dB)、h為載波頻率(MHz)、勾為基站天線有效高度(m)、與八為用戶天線有效高度(m)、h為用戶天線高度糾正項(xiàng)(dB)、h為鏈路距離(km)以及hh為場景糾正常數(shù)(dB)。RSRP與PL的關(guān)系為：, （2）其中國是小區(qū)發(fā)射機(jī)發(fā)射功率（dBm）（見Table2）。問題一請根據(jù)Cost231-Hata模型以及下述數(shù)據(jù)集信息設(shè)計(jì)合適的特征，并闡述原因。Table6：數(shù)據(jù)集信息工程參數(shù)數(shù)據(jù)CellIndexCellXCellYHeightAzimuthElectricalDowntiltMechanicalDowntiltFrequencyBandRSPower210010049m45°2°2°1800MHz18.2dBm地圖數(shù)據(jù)CellAltitudeCellBuildingHeightCellClutterIndexXYAltitudeBuildingHeightClutterIndex47m9m115005009m0m1標(biāo)簽數(shù)據(jù)RSRP-100dBm4.2特征工程中的特征選擇完成特征設(shè)計(jì)后，通常需要選擇有意義的特征輸入機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練。對于不同方法構(gòu)造出來的特征，需要從多個(gè)層面來判斷這個(gè)特征是否合適。通常來說，可以從以下兩個(gè)方面來選擇特征：?特征是否發(fā)散：如果一個(gè)特征不發(fā)散，例如方差接近于0，也就是說樣本在這個(gè)特征上基本上沒有差異，這個(gè)特征對于樣本的區(qū)分并沒有什么用。?特征與目標(biāo)的相關(guān)性：這點(diǎn)比較顯見，與目標(biāo)相關(guān)性高的特征，應(yīng)當(dāng)優(yōu)先選擇。問題二基于提供的各小區(qū)數(shù)據(jù)集，設(shè)計(jì)多個(gè)合適的特征，計(jì)算這些特征與目標(biāo)的相關(guān)性，并將結(jié)果量化、排序，形成如下的表格，并闡明設(shè)計(jì)這些特征的原因和用于排序的量化數(shù)值的計(jì)算方法。Table7：特征名稱及其與目標(biāo)的相關(guān)性排序特征名稱該特征與目標(biāo)的相關(guān)性12■■■預(yù)測問題三在設(shè)計(jì)和選擇了有效的特征之后，就可以通過建立預(yù)測模型來進(jìn)行RSRP的預(yù)測了。請各個(gè)參賽隊(duì)根據(jù)自己建立的特征集以及賽題提供的訓(xùn)練數(shù)據(jù)集，建立基于AI的無線傳播模型來對不同地理位置的RSRP進(jìn)行預(yù)測。為研究生更明白本問題的目標(biāo)，下面將分別介紹評審數(shù)據(jù)集、提交內(nèi)容和線上代碼評分方法。評審數(shù)據(jù)集簡介線上代碼評分系統(tǒng)將使用對參賽隊(duì)保密的評審數(shù)據(jù)集來對模型進(jìn)行評分，以便公平地測試各參賽隊(duì)提交模型的實(shí)際泛化能力。評審數(shù)據(jù)集與訓(xùn)練數(shù)據(jù)集一樣，一共包括了多個(gè)文件，每個(gè)文件代表一個(gè)小區(qū)內(nèi)的數(shù)據(jù)。文件的命名方式為test_id.csv，其中id為小區(qū)的唯一標(biāo)識，例如test_1003501.csv表示唯一標(biāo)識為1003501的小區(qū)數(shù)據(jù)。評審數(shù)據(jù)集的文件中含有除了RSRP之外的前17個(gè)字段，與該17個(gè)字段對應(yīng)的RSRP字段需要由研究生提交的模型代碼程序預(yù)測生成。提交內(nèi)容論文要以文字形式詳細(xì)闡述AI模型的建模過程，包括模型的建立方法，參數(shù)的設(shè)置和訓(xùn)練的結(jié)果，特別是第三問要闡述清楚。第三問需要提交完整的模型。針對每一個(gè)評審數(shù)據(jù)集的輸入文件，模型輸出要求也是一個(gè)文件，例如輸入數(shù)據(jù)文件名為test_123456.csv，則輸出文件名必須為test_123456.csv_result.txt。另外，輸出文件的數(shù)量與輸入文件必須一致，否則會以全0文件代替輸出文件進(jìn)行評分。例如，參賽隊(duì)伍如果沒有提交針對輸入文件名為test_123456.csv的輸出文件，系統(tǒng)在評分時(shí)會自動產(chǎn)生全零的test_123456.csv_result.txt進(jìn)行評分。每個(gè)輸出文件內(nèi)容的樣例如下所示，{"RSRP":[[-54.505],[-73.416],[-76.123],[-74.261],[-98.143]]}其中方括號內(nèi)的數(shù)字表示輸入文件的每一行數(shù)據(jù)所對應(yīng)的RSRP預(yù)測值，預(yù)測值的數(shù)量與輸入文件的行數(shù)（表頭除外）對應(yīng)，例如上文的輸出文件對應(yīng)的輸入文件應(yīng)該是5行（表頭除外）。如果輸出文件的預(yù)測值少于輸入文件的行數(shù)，則會以補(bǔ)0的形式將輸出文件填滿后進(jìn)行評分；如果輸出文件的預(yù)測值多余輸入文件的行數(shù)，則會取輸出文件的前N個(gè)預(yù)測值進(jìn)行評分，其中N為輸入文件的行數(shù)。線上代碼評分方法對于提交的預(yù)測RSRP值，將根據(jù)以下條件進(jìn)行排序。模型在評審數(shù)據(jù)集的評估下，弱覆蓋識別率（PCRR:Poorcoveragerecognitionrate）必須大于等于20%。在PCRR精度達(dá)標(biāo)后，再根據(jù)預(yù)測均方根誤差（RMSE:Rootmeansquarederror）大小進(jìn)行各參賽組的名次排序（RMSE小者排名靠前）。PCRR和RMSE的介紹如下所示：弱覆蓋識另巾率（PCRR:Poorcoveragerecognitionrate）在進(jìn)行預(yù)測的過程中如果可以有效識別弱覆蓋區(qū)域，能夠更好地幫助運(yùn)營商精準(zhǔn)規(guī)劃和優(yōu)化網(wǎng)絡(luò)從而提升客戶體驗(yàn)。因此，除RMSE為有效測試目標(biāo)之外，弱覆蓋識別準(zhǔn)確率也是作為一項(xiàng)非常有價(jià)值的評價(jià)指標(biāo)。在本次建模比賽中，弱覆蓋判決門限Ppp的值定為-103dBm。若RSRP預(yù)測值或?qū)崪y值小于則為弱覆蓋并標(biāo)記為1，若大于等于則為非弱覆蓋并標(biāo)記為0。根據(jù)比較預(yù)測值和實(shí)測值得到的弱覆蓋以及非弱覆蓋的差另，可以對以下參數(shù)進(jìn)行統(tǒng)計(jì)：TruePositive（TP）：真實(shí)值為弱覆蓋，預(yù)測值也為弱覆蓋；FalsePositive（FP）：真實(shí)值為非弱覆蓋，預(yù)測值為弱覆蓋；FalseNegative（FN）：真實(shí)值為弱覆蓋，預(yù)測值為非弱覆蓋；TrueNegative（TN）：真實(shí)值為非弱覆蓋，預(yù)測值也為非弱覆蓋。Table8：TP、FP、FN和TN的定義真實(shí)結(jié)果（弱覆蓋）（非弱覆蓋）預(yù)測結(jié)果（弱覆蓋）（非弱覆蓋）PCRR綜合考慮Precision(準(zhǔn)確率)和Recall(召回率)的目標(biāo)，其計(jì)算公式如下：TOC\o"1-5"\h\z\o"CurrentDocument"PPPPPPPppppppppppppppppp (3)pppppppppppppppp其中Precision可以理解為預(yù)測結(jié)果為弱覆蓋的柵格實(shí)際也是弱覆蓋的概率，其定義如下:PPPPPPPPPU (4)\o"CurrentDocument"ppppp 'Recall可以理解為真實(shí)結(jié)果為弱覆蓋的柵格有多少被預(yù)測成了弱覆蓋的概率，其定義如下:PPPPHPP^J (5)ppppp '7PCRR的計(jì)算代碼可以參考以下程序Table9：PCRR計(jì)算方法參考defCaculatePcrr(y_true,y_pred):t=-103tp=len(y_true[(y_true<t)&(y_pred<t)])fp=len(y_true[(y_true>=t)&(y_pred<t)])fn=len(y_true[(y_true<t)&(y_pred>=t)])precision=tp/(tp+fp)第第10頁/共10頁recall=tp/(tp+fn)pcrr=2*(precision*recall)/(precision+recall)returnpcrr其中ytrue為真實(shí)的RSRP標(biāo)簽列，ypred為預(yù)測的RSRP標(biāo)簽列?均方根誤差(RMSE:Rootmeansquarederror)RMSE是評估預(yù)測值和實(shí)測值整體偏