基于多種模型的流量預(yù)測研究

打開文本圖片集

摘要：6G是下一代無線通信網(wǎng)絡(luò)的發(fā)展方向，6G網(wǎng)絡(luò)要求更高的峰值數(shù)據(jù)速率、移動性和更無處不在的智能連接。由于不同的場景和業(yè)務(wù)需要不同的網(wǎng)絡(luò)切片（Network Slicing）承載，網(wǎng)絡(luò)的性能指標(biāo)各異，對各種資源的需求量也不盡相同，因此需要對網(wǎng)絡(luò)流量在時間和空間上進(jìn)行預(yù)測。對時空流量建模，并提出了3種以深度學(xué)習(xí)為基礎(chǔ)的流量預(yù)測方法：基于深度學(xué)習(xí)的時空數(shù)據(jù)預(yù)測模型（DeepST）、殘差網(wǎng)絡(luò)（ResNet）模型和卷積長短期記憶網(wǎng)絡(luò)模型（ConvLSTM），針對每種模型的應(yīng)用場景和優(yōu)劣予以研究陳述，在此基礎(chǔ)上完成模型的有效性驗證和比較；最后，仿真驗證。（剩余7537字）