本發明屬于無線通信，具體涉及一種無線網絡覆蓋預測方法。
背景技術：
1、在現代電力無線專網系統中，網絡覆蓋預測是確保業務可靠性和高效性的核心需求。電力行業依賴于穩定的無線通信來支持關鍵應用，如智能電網監控和遠程控制，但復雜的地理環境(包括多變的地形、密集建筑區域和多樣使用場景)導致信號覆蓋不均勻，頻繁出現盲區或干擾問題。這種不確定性直接威脅到電力系統的安全和效率，亟需一種，提供持續準確的覆蓋評估、動態適應環境變化的預測方法來滿足實時業務需求，同時減少人工干預和優化網絡資源。
技術實現思路
1、有鑒于此，本發明針對現有技術的不足，提供的一種無線網絡覆蓋預測方法，為解決上述技術問題，本發明所采用的技術方案是：包括：構建無線信號預測模型，根據不同地理環境設置修正因子和損耗參數，對網絡覆蓋情況進行初步預測；以測試基站為中心，根據地理環境實際測量不同距離和范圍的基站無線信號指標，擬合實際測量數據獲取網絡覆蓋情況；結合預測模型的預測數據和實際測量數據，針對不同地理環境對預測模型的修正因子和損耗參數進行迭代修正，獲取不同地理環境下的網絡覆蓋預測數據；利用終端設備采集并上報無線信號場強數據至現網運維平臺，所述現網運維平臺根據無線信號場強數據持續修正預測模型的修正因子和損耗參數。
2、進一步的，構建無線信號預測模型，根據不同地理環境設置修正因子和損耗參數，對網絡覆蓋情況進行初步預測的方法包括：
3、基于okumura-hata模型，獲取自由空間基礎路徑損耗：
4、lb＝69.55+26.16logf-13.82loghb-a(hm)+(44.9-6.55loghb)logd；
5、其中：f為信號頻率；hb為基站高度；hm為終端高度；d為基站-終端距離；a(hm)為終端高度修正因子；
6、在城市傳播環境下，基于所述自由空間基礎路徑損耗和城市環境損耗，構建ccir模型，模型修正型路徑損耗為：l總＝lb+δl地形+δl建筑；通過測量區域的海拔高差、坡度變化地形特征生成地形修正因子，表示為δl地形＝k1·log(1+σalt)+k2·θslope；基于人工建筑物覆蓋率、平均高度havg及建材類型穿透系數β生成建筑密度修正因子，表示為：δl建筑＝k建筑物·log(1+β·havg)；
7、其中：lb：基礎路徑損耗，δl地形：獨立計算的地形起伏導致信號衰減補償量，σalt為三維地形起伏程度；δl建筑：獨立計算的建筑密度及結構導致信號穿透損耗補償量；k1,k2：實測確定的電力場景校準系數；θslope：最大坡度角；k建筑物為建筑密度權重；
8、基于視距los與非視距nlos場景，構建cost231-wi模型：
9、los路徑損耗：llos＝42.6+26logd+20logf；
10、nlos場景增加繞射補償項：
11、
12、其中：δl繞射和l多徑為繞射損耗及多徑衰落修正量；φ為障礙物衍射角；τrms為時延擴展，通過信道探測信號提取。
13、進一步的，以測試基站為中心，根據地理環境實際測量不同距離和范圍的基站無線信號指標，擬合實際測量數據獲取網絡覆蓋情況的方法包括：
14、在部署區域選取多個測試地點，在測試地點架設測試基站，測量并采集測試地點的經緯度坐標、rssi值和snr值；
15、使用克里金插值算法擬合離散數據，生成信號連續覆蓋熱力范圍；驗證數據穩定性，剔除異常點；
16、評估測試基站的無線信號覆蓋范圍，并以此估算相同或類似基站的覆蓋情況；
17、采用射線法或環線法進行動態路測，以提升數據采集的精度和覆蓋范圍。
18、進一步的，通過使用克里金插值算法擬合離散數據，生成連續信號覆蓋熱力范圍的方法包括：
19、計算所有測量點之間的半方差函數值γ(h)，并按距離分組建立函數模型
20、
21、將目標區域劃分為10m×10m的網格單元，對每個網格中心點s0，基于所述半方差函數求解權重系數λi，通過加權平均公式預測信號強度值；
22、將所述網格單元預測信號強度值映射為連續色階；
23、其中：h表示測量點間距；n(h)為相距特定距離h的點對數量；z(si)和z(si+h)分別為位置si和si+h處的實測信號強度，通過射線法/環線法采集的rssi值；z(s0)為網格中心點s0的預測信號強度。
24、進一步的，驗證數據穩定性，剔除異常點的方法包括：
25、計算各測量點的插值殘差δi＝∣zpred(si)-zmeas(si)∣，當δi＞3σ時，激活異常點判別機制：
26、若該點環境標簽含有“建筑遮擋”或“地形突變”，保留數據并添加補償標記；
27、否則，標記為異常點并通過插值替代；
28、其中：δi為插值殘差；σ為區域殘差的標準差，σ≤5db；zpred(si)為通過克里金插值預測的信號強度；zmeas(si)為在位置si實際測量的信號強度；zrep(si)為位置si處的替代值；si為測量點；sj為鄰域測量點；φ(·)為高斯核函數，控制空間衰減權重，φ(r)＝e-σr2；||si-sj||為si與sj之間的距離。
29、進一步的，結合預測模型的預測數據和實際測量數據，針對不同地理環境對預測模型的修正因子和損耗參數進行迭代修正，獲取不同地理環境下的網絡覆蓋預測數據的方法包括：
30、設模型預測場強為e模，實測場強為e實，計算偏差δe＝∣e模-e實∣；
31、若δe＞6db，則按梯度下降法調整修正因子，直至全區域max(δe)≤3db修正終止；
32、其中：δβ為單次迭代中修正因子β的變化量，控制參數優化步長；η為學習率，控制收斂速度的超參數，值過大會震蕩，過小則收斂慢；為偏差對修正因子的偏導數，反映場強偏差δe對β變化的敏感度，用于確定優化方向；
33、建立山區或城區地形地貌、≤15m或＞30m建筑高度、高業務密度或低業務密度三類場景的修正因子參數庫，基于所述修正因子參數庫獲取網絡覆蓋預測數據。
34、進一步的，利用終端設備采集并上報無線信號場強數據至現網運維平臺的方法包括：
35、終端設備以周期t采集下行信號rssi值、snr值、gps定位坐標及時間戳，其中采集周期t滿足：當檢測到rssi≤-95dbm或snr≤10db時立即觸發實時上報；
36、異常數據篩除判定條件：剔除gps定位偏差＞50米的數據點；對相鄰上報點間rssi突變＞20db的數據添加"環境干擾"標記；
37、按地理網格聚合數據，同網格內終端數據加權平均：
38、
39、進一步的，所述現網運維平臺根據無線信號場強數據持續修正預測模型的修正因子和損耗參數的方法包括：
40、偏差驅動修正：其中：nij為網格(i,j)中終端數量；η為學習率，控制參數更新步長，η＝0.1；δβij為修正因子的調整量，表示需對網格(i,j)的修正因子βij施加的變化量；為偏導數算子，量化預測偏差對βij的敏感度；nij為網格(i,j)內滿足質量要求的終端測量點數量；為基于傳播模在位置k的預測信號強度；為終端在位置k實際測量的平均rssi；
41、當單網格累計數據量＞500組時生成網格專屬修正因子βij；當連續10次δβ＞0.05時新建場景參數組；
42、對雨霧天氣數據追加補償項：αnew＝αold+0.03×降雨強度；其中：降雨強度單位為mm/h。
43、與現有技術相比，本發明的有益效果如下：
44、1、本技術基于多模型融合的預測框架有效應對了復雜地理環境的影響，能夠精確量化地形起伏和建筑遮擋導致的信號衰減變化，解決了傳統方法在多變地形和密集城區預測失準的痛點。這種預測能力使得網絡規劃可以更科學地規避信號盲區，為電力無線專網等關鍵業務提供可靠保障。
45、2、在數據處理方面，創新的異常識別與補償策略顯著提升了數據可靠性。通過殘差分析和環境標簽的雙重校驗機制，系統能智能區分真實異常和環境因素導致的合理偏差。基于空間相關性的數據重建技術，在剔除無效數據的同時有效保持了地理連續性，為預測模型提供了更純凈的輸入數據源。
46、3、本發明的動態修正機制賦予預測模型持續進化的能力，通過終端上報的實測數據驅動，系統能夠自動調整修正因子和損耗參數，實時適應不同場景的環境變化；特別建立的場景參數庫可智能匹配山區、城區等多樣地貌特征，結合天氣補償機制，大幅提升了預測模型的環境適應性和時效性。