基于深度学习的矿井无线网络流量预测研究

为准确预测矿井无线网络流量变化情况,确保井下无线网络安全稳定运行,保障矿井安全生产。在分析无线网络流量特征的基础上提出一种时空卷积全连接网络(CL-FCCNet),它是基于残差网络(ResNets)和循环神经网络(RNN)的无线网络流量预测模型。预测模型能够针对复杂的无线网络工作环境进行流量预测,及流量数据中存在的时空特征,帮助实现流量监控异常自动报警。试验结果表明:模型的预测效果较现有预测方法具有一定的提升。