-
公开(公告)号：CN118338359A
公开(公告)日：2024-07-12
申请号：CN202410435847.6
申请日：2024-04-11
Applicant: 大连海事大学
IPC: H04W28/10 , H04W72/1263 , H04W24/06
Abstract: 本发明提供一种基于注意力的深度学习无线通信流量预测方法，包括：将移动流量预测描述为时序分解过程，通过ARIMA预测自回归部分，根据残差校验更新ARIMA参数，构建残差序列；构建CNN‑LSTM网络挖掘流量序列内的深层特征，捕捉非线性趋势，采用LSTM层处理流量的长期依赖性，预测当前时间步的目标值；添加残差序列作为卷积网络新特征，通过注意力机制关注编码器中不同时间步的重要特征，指导解码器生成目标序列；XGBoost通过CART树处理解码器输出的数值特征向量寻找最佳分割点，挖掘非线性关系；加权聚合ARIMA线性部分预测值与XGBoost预测值，得到最终预测结果。本发明能够提高基于机器学习训练得到的用于预测无线通信流量的全局模型性能，提高无线通信流量预测的准确性及实时性。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
