基于虚拟化技术的5G移动通信流量预测方法

针对现有预测方法在对5G移动通信流量预测时,无法综合考虑不同功能分区、不同用户来源等,造成最终预测结果归一化均方误差过大,影响预测结果精度问题,引入虚拟化技术,开展对5G移动通信流量预测方法的设计研究。通过基于虚拟化技术的流量预测模型构建、引入conv-LSTM模块与K-Trend-LSTM聚类算法、基于不同功能分区的5G移动通信流量预测,提出一种全新的预测方法。通过对比分析证明,新的预测方法与传统预测方法相比,预测结果的归一化均方差明显降低,预测结果的精度得到有效提升,可为5G移动通信网络运行提供更有利的数据支撑条件。