1.一种基于多种模型优化的基站站址规划方法，其特征在于：包括：步骤S1：根据基站覆盖范围类型及弱覆盖点分布特征，对规划区域进行划分，分别记为A、B、C；

步骤S2：若基站覆盖范围为圆形，则为A区，对A区内弱覆盖点和候选基站进行数据预处理，剔除业务量小于10的弱覆盖点，利用现有基站和门限条件对候选基站进行初步筛选，以新建基站的坐标为决策变量，以总成本最低为目标函数，以基站之间的距离大于门限、弱覆盖点与宏基站的距离小于30、弱覆盖点与微基站的距离小于10、以及弱覆盖点总业务量90%被覆盖为约束条件，建立0‑1规划模型，使用遗传算法求解该0‑1规划模型，最终分别得出宏基站与微基站的站址坐标；

步骤S3：若基站覆盖范围为扇形，且弱覆盖点之间不具备传递性，则为B区，对规划基站范围内的弱覆盖点根据其业务量进行克隆以进行聚类，将克隆后的弱覆盖点用K‑means算法进行聚类，设置聚类中心数k=3，将得到的聚类中心方向作为每个基站扇区的主方向，通过极坐标化对扇区主方向角度进行求解，并对相邻扇区主方向夹角小于45°的扇区进行细化聚类，从而得到每个基站的最优扇区角度，最后对覆盖点总业务量进行计算，当总业务量满足一定值时，输出最优站址坐标、扇区角度配置；

其中，设新建基站i所覆盖区域的总业务量为 ，新建基站所能覆盖的总业务量为：(23)

式中， 为新建基站i与弱覆盖点h覆盖关系存在性参数， 为新建基站i覆盖范围内弱覆盖点h的业务量，H为覆盖范围内总覆盖点；

在新建基站i中，对于其在圆形区域内能覆盖到的任一弱覆盖点h，相对主方向的偏转角计算公式为：(24)

上式中， 分别为三个扇区主方向， 为弱覆盖点h与新建基站i连线的偏转角，将相对主方向偏转角代入公式(25)即可得到在该弱覆盖点方向上新建基站的辐射范围：                       (25)

为新建基站i扇区主方向随偏转角度衰减到弱覆盖点h所在处的辐射半径，R0为扇区主方向覆盖半径， 为新建基站i覆盖范围内弱覆盖点h相对扇区主方向的偏转角，则新建基站i与弱覆盖点h覆盖关系存在性参数 的取值为：                 (26)

其中， 为新建基站i与弱覆盖点h覆盖关系存在性参数， 为新建基站i与弱覆盖点h之间的欧氏距离；

步骤S4：若基站覆盖范围为扇形，且弱覆盖点具备传递性，则为C区，建立DBSCAN聚类模型，对弱覆盖点进行聚类，设置邻域半径为20, 最小邻居数目为1，对所有弱覆盖点进行聚类，形成簇，输出各个簇中心点坐标，用于基站选址规划；

步骤S5：综合A、B、C三个区内基站选址规划，得到整个区域最优基站选址规划方案。

2.根据权利要求1所述的一种基于多种模型优化的基站站址规划方法，其特征在于，设候选基站集合为T，每一候选基站i的选中情况为 ，其中 ：                    (2)

从而形成候选基站状态矩阵：

 (11)

V为基站状态矩阵，n为站点个数，表示各个站点的选中情况；

基站的参数含有候选基站的坐标与覆盖范围，采用实数二维矩阵的编码形式，其中每一行作为一个基站的参数情况，矩阵行数作为基站的个数，形成基站的参数矩阵，如下所示：         (13)

其中，为候选基站i的基站数据行向量，包括有x坐标、y坐标与该基站的覆盖范围。

3. 根据权利要求2所述的一种基于多种模型优化的基站站址规划方法，其特征在于，遗传算法适值函数：            (17)

其中， 为候选基站i作为新建基站的情况， 为新建基站为宏基站的情况， 为新建基站为微基站的情况，宏基站建立的成本为10，微基站建立的成本为1。

4. 根据权利要求3所述的一种基于多种模型优化的基站站址规划方法，其特征在于，所述遗传算法采用算数杂交，具体公式为：  (20)

 (21)

其中， 表示2个父代染色体，和 表示通过交叉产生的子代染色体， 为0‑1随机数，0

5.根据权利要求1所述的一种基于多种模型优化的基站站址规划方法，其特征在于，在B区中，覆盖范围随偏转角 的变化成如下线性关系：                    (22)

R为扇区主方向随偏转角度衰减到弱覆盖点所在处的辐射半径，R0为扇区主方向覆盖半径， 为相对主方向的偏转角，由主方向向两侧偏转。

6.根据权利要求5所述的一种基于多种模型优化的基站站址规划方法，其特征在于，采用K‑means算法进行聚类的具体步骤为：A1:聚类数k=3，随机选取3个中心点，计算各样本点到中心点的距离；

B1:将每个样本分配给距离最近的中心点；

C1:根据聚类结果更新中心点；

D1:重复B1，将每个样本点重新分配给距离最近的中心点；

E1:重复C1，更新中心点；

F1:重复D1，判断聚类结果是否与上次结果一致，若一致则算法终止，否则返回E1，继续进行迭代。

7.根据权利要求1所述的一种基于多种模型优化的基站站址规划方法，其特征在于，采用DBSCAN模型进行聚类运算的步骤为：A2:随机选取1个弱覆盖点；

B2:以该弱覆盖点为圆心，按照邻域半径Eps=20绘制圆，当圆内样本点数大于等于最小邻居数时，以该点为核心点，并将这些圆内样本点聚为一类；

C2:继续以核心点为圆心的圆中的其他样本点作为圆心，进行B2的操作，最终连通所有的核心点形成一个簇，聚为一类；

D2:重复上述3个步骤，最终将所有弱覆盖点进行聚类。

8.一种用于权利要求1至7任一项所述的基于多种模型优化的基站站址规划方法对应的系统，其特征在于，包括：区域分类单元，根据基站覆盖范围类型及弱覆盖点分布特征，对规划区域进行划分，分别记为A、B、C，并将相应的数据发送给对应的区规划计算单元；

A区规划计算单元，对A区内弱覆盖点和候选基站进行数据预处理，剔除业务量小于10的弱覆盖点，利用现有基站和门限条件对候选基站进行初步筛选，以新建基站的坐标为决策变量，以总成本最低为目标函数，以基站之间的距离大于门限、弱覆盖点与宏基站的距离小于30、弱覆盖点与微基站的距离小于10、以及弱覆盖点总业务量90%被覆盖为约束条件，建立0‑1规划模型，使用遗传算法求解该0‑1规划模型，最终分别得出宏基站与微基站的站址坐标；

B区规划计算单元，对规划基站范围内的弱覆盖点根据其业务量进行克隆以进行聚类，将克隆后的弱覆盖点用K‑means算法进行聚类，设置聚类中心数k=3，将得到的聚类中心方向作为每个基站扇区的主方向，通过极坐标化对扇区主方向角度进行求解，并对相邻扇区主方向夹角小于45°的扇区进行细化聚类，从而得到每个基站的最优扇区角度，最后对覆盖点总业务量进行计算，当总业务量满足一定值时，输出最优站址坐标、扇区角度配置；

C区规划计算单元，建立DBSCAN聚类模型，对弱覆盖点进行聚类，设置邻域半径为20, 最小邻居数目为1，对所有弱覆盖点进行聚类，形成簇，输出各个簇中心点坐标，用于基站选址规划；

综合规划单元，接收A区规划计算单元、B区规划计算单元、C区规划计算单元的基站站址规划结果，综合处理三个区内基站选址规划，得到整个区域最优基站选址规划方案。