基于LSTM的5 G基站短期流量预测研究

为研究5G基站下行流量短期预测问题,本文建立ARIMA模型与LSTM模型,通过结果的对比分析,ARIMA模型存在过拟合情况,对预测效果会产生较大偏差。深度学习LSTM模型在5G短期流量预测问题中有着良好的泛化能力,但在数据量不足时精度有限,并且增大时间窗口长度对提高模型精度的作用不明显。若提高模型精度需要进一步获取外界信息。