基于輕量化卷積神經(jīng)網(wǎng)絡(luò)的蜂窩流量低復(fù)雜度預(yù)測方法

打開文本圖片集

摘 要：隨著蜂窩網(wǎng)絡(luò)數(shù)據(jù)流量需求的高速增長，對于未來時刻蜂窩流量情況的精準(zhǔn)預(yù)測，可以幫助改善網(wǎng)絡(luò)資源分配、實現(xiàn)流量負(fù)載均衡，并部署基站節(jié)能與休眠策略?；谳p量化線性瓶頸結(jié)構(gòu)，提出了一個具有多個并列分支結(jié)構(gòu)的空時預(yù)測模型，分別提取近期歷史數(shù)據(jù)和周期性歷史數(shù)據(jù)中的空時特征。對于網(wǎng)格化空時數(shù)據(jù)中的空間依賴性，額外通過Ｋ-Ｍｅａｎｓ 算法對網(wǎng)格高維特征進(jìn)行聚類，并提取網(wǎng)格基站密度信息作為跨域特征輸入到模型中，實現(xiàn)了使用低復(fù)雜度、低算力需求模型對研究范圍全域流量的精準(zhǔn)預(yù)測。（剩余610字）