5G EN-DC场景下LTE基站下行速率预测方法研究

在EN-DC Option 3x双连接中,5G gNB能否在数据分流时准确地获取LTE eNB下行速率,影响着5G E-UTRA和NR双连接(E-UTRA-NR Dual Connectivity,EN-DC)实际性能的高低。文中提出了一种结合贝叶斯超参数优化的双层堆叠长短时记忆时序预测模型(BO_SLSTM)对LTE eNB下行速率进行实时高精度预测。研究了不同自适应学习率优化算法和时间步长对模型预测精度及速度的影响,实现算法的进一步优化。实验结果显示,经过优化后的模型预测准确性达到了99.8%,在LTE eNB下行速率预测中具有良好的预测性能和较好的适用性。