基于循环神经网络的智能蜂窝网络流量预测方法及系统技术方案

本发明专利技术涉及基于循环神经网络的智能蜂窝网络流量预测方法及系统，方法包括：S1、建立智能蜂窝网络模型；S2、建立蜂窝流量预测的任务模型，分析任务的解决方案；S3、分析历史蜂窝流量数据和跨域数据集；S4、建立STCNet预测算法模型，在城市尺度上对区域流量进行预测；S5、对STCNet做出改进，探索迁移学习策略；S6、对预测误差进行评估。本发明专利技术解决了对区域蜂窝网络流量进行预测复杂困难的问题，更加合理、灵活，且能有效提高预测准确率。

【技术实现步骤摘要】

本专利技术属于移动通信，具体涉及基于循环神经网络的智能蜂窝网络流量预测方法及系统。

技术介绍

1、随着5g移动通信的发展和智能化时代的到来，实现精准的蜂窝网络流量预测已经成为了通信系统迈向智能化的必经之路。蜂窝网络流量预测不仅有利于负载均衡和网络资源的合理分配，还可以辅助移动终端进行边缘计算和任务卸载。

2、然而，由于复杂的外部环境、动态移动行为的复杂性以及网络业务请求产生的随机性，蜂窝网络流量预测任务困难重重。尤其当涉及到城市尺度下的区域流量预测时，各个小区之间复杂的时空依赖使其流量特点更加难以捕捉，寻找能够联合跨域数据集对区域蜂窝网络流量进行精准预测是亟待解决的重要问题。

3、另外，在人工智能的推进下，蜂窝网络逐步向智能化发展。越来越多的研究表明，深度学习模型在时间序列的预测中有着优秀的表现，将人工智能引入对蜂窝网络流量的预测已经成为了研究热点。

技术实现思路

1、针对上述问题，本专利技术提出了一种基于循环神经网络的智能蜂窝网络流量预测方法及系统，通过引入一个基于convlstm(本文档来自技高网...

【技术保护点】

1.基于循环神经网络的智能蜂窝网络流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于循环神经网络的智能蜂窝网络流量预测方法，其特征在于，步骤S1中，所述智能蜂窝网络模型包括数据中心、云服务器、智能基站、智能无人机和用户；其中，所述云服务器用于提供云计算服务；所述数据中心用于收集并存储蜂窝流量和跨域信息数据；所述智能基站构成网链路建立的基本单元；所述智能无人机根据实时情况被分配到任务卸载和边缘计算任务中。

3.根据权利要求1所述的基于循环神经网络的智能蜂窝网络流量预测方法，其特征在于，步骤S2具体包括如下步骤：

4.根据权利要求1所述...

【技术特征摘要】

1.基于循环神经网络的智能蜂窝网络流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于循环神经网络的智能蜂窝网络流量预测方法，其特征在于，步骤s1中，所述智能蜂窝网络模型包括数据中心、云服务器、智能基站、智能无人机和用户；其中，所述云服务器用于提供云计算服务；所述数据中心用于收集并存储蜂窝流量和跨域信息数据；所述智能基站构成网链路建立的基本单元；所述智能无人机根据实时情况被分配到任务卸载和边缘计算任务中。

3.根据权利要求1所述的基于循环神经网络的智能蜂窝网络流量预测方法，其特征在于，步骤s2具体包括如下步骤：

4.根据权利要求1所述的基于循环神经网络的智能蜂窝网络流量预测方法，其特征在于，步骤s3中，所述历史蜂窝流量数据采用的是城市广域蜂窝网络流量数据集，具体包括三种类型：流量数据internet、呼叫服务数据ca1l和短信服务数据sms；所述历史蜂窝流量数据将选定的城市划分为设定的网格数...

【专利技术属性】
技术研发人员：章新茹，李沛，刘兆霆，姚英彪，徐欣，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：