基于空时压缩感知算法的蜂窝流量预测

针对蜂窝网络中,基站发射功率不能有效根据小区内峰值流量实时调整而造成蜂窝网络能量浪费这一问题,提出一种基于阈值控制的正则化正交匹配追踪(BT-ROMP)蜂窝流量预测算法。该算法利用小区内用户行为在时间与空间上的周期平稳变化特性,构建蜂窝流量块稀疏模型;利用阈值有效筛选出正则化漏掉的次优原子,扩大原子候选集,达到减少算法迭代次数与提高重构精度的目的。仿真结果表明,本文算法较正则化正交匹配追踪算法(ROMP),算法预测精度平均提高0. 01。

基于EWT和NeuralProphet-MLP的蜂窝网络流量长期预测方法

蜂窝网络流量长期预测对网络扩展和优化具有重要意义,针对长期预测中数据可用性低以及非线性等弊端所带来的诸多挑战,提出一种基于分解的分频预测模型。分别采用NeuralProphet模型和多层感知机对分解出的低频分量和中高频分量进行预测,最后对各分量预测结果进行逆经验小波变换得到最终结果。在真实的蜂窝网络流量数据集上进行验证,结果表明所提方法相较于传统预测模型在准确度上有较大提升,具有较好的应用价值。