超密集網(wǎng)絡(luò)通過密集化部署基礎(chǔ)設(shè)施,不斷縮小小區(qū)覆蓋范圍,提高資源空間復(fù)用率,增大網(wǎng)絡(luò)容量,成為第五代移動通信的關(guān)鍵技術(shù)之一。然而,隨著子網(wǎng)數(shù)目的不斷增多,網(wǎng)絡(luò)中小區(qū)負載動態(tài)變化加快,這使得網(wǎng)絡(luò)負載均衡方案開銷急劇增加,基于觸發(fā)進行負載均衡的方式將導(dǎo)致嚴重的滯后性,而基于動態(tài)網(wǎng)絡(luò)狀態(tài)的負載均衡方案收斂速度無法與網(wǎng)絡(luò)狀態(tài)變化速度相匹配。此外,隨著網(wǎng)絡(luò)覆蓋半徑不斷變小,接入每個子網(wǎng)內(nèi)的用戶數(shù)隨機性隨之增強,局部區(qū)域內(nèi)負載變化情況更加劇烈,這使得一般的預(yù)測方法直接用在超密集網(wǎng)絡(luò)流量預(yù)測中無法獲得較高的精確度,難以為負載均衡提供有效信息�；谏鲜鰡栴},本文首先提出了多維時間序列預(yù)測方法,提高了超密集網(wǎng)絡(luò)業(yè)務(wù)流量的預(yù)測精度,并在此基礎(chǔ)上,提出了分級式智能負載均衡方案,有效緩解了現(xiàn)有負載均衡方案開銷大、速度慢的問題,其主要研究內(nèi)容和創(chuàng)新點如下:首先,針對超密集網(wǎng)絡(luò)業(yè)務(wù)波動大的問題,提出了多維時間序列預(yù)測方法,緩解了流量波動大難以預(yù)測的問題,提高了預(yù)測精度。首先,從流量預(yù)測本身出發(fā),分別采用統(tǒng)計學(xué)習(xí)回歸模型以及深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)對其進行預(yù)測,然后,根據(jù)用戶數(shù)與流量的相關(guān)性以及用戶數(shù)的穩(wěn)定性,基于... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

丁TR案纖角載討程均衡采章}sl

要性隨時間推移逐漸下降，將歷史數(shù)據(jù)的值Twx ，該數(shù)值即為該時刻的一個歷史數(shù)據(jù)加兩種特征構(gòu)造方式進行特征構(gòu)造： 1~3 小時和 4~6 小時的用戶數(shù)和流量的平均化趨勢的新特征；3、6、12、24 小時的用戶數(shù)和流量進行加權(quán)共構(gòu)造出 42 個特征。然后，將特征與目標 回歸模型。模型參數(shù)為 n_estimators=36，m型中集成的決策樹數(shù)量為 36 個，決策樹最流程框架如圖 2.8 所示：數(shù)據(jù)對數(shù)變換

【參考文獻】：
期刊論文
[1]第五代移動通信系統(tǒng)5G標準化展望與關(guān)鍵技術(shù)研究[J]. 周一青,潘振崗,翟國偉,田霖.  數(shù)據(jù)采集與處理. 2015(04)
[2]異構(gòu)分層無線網(wǎng)絡(luò)中的混合動態(tài)流量均衡算法研究[J]. 寧國勤,朱光喜,彭烈新,盧小峰.  通信學(xué)報. 2007(01)

碩士論文
[1]基于時間序列分析的汽車銷量預(yù)測研究[D]. 章旭.合肥工業(yè)大學(xué) 2017
[2]基于計算智能的無線異構(gòu)網(wǎng)絡(luò)負載均衡算法研究[D]. 張曉萌.山東財經(jīng)大學(xué) 2016
[3]超密集網(wǎng)絡(luò)（UDN）的性能分析與關(guān)鍵技術(shù)研究[D]. 馮偉龍.北京交通大學(xué) 2016
[4]基于時間序列預(yù)測的異構(gòu)無線網(wǎng)絡(luò)負載均衡技術(shù)研究[D]. 申紅磊.上海師范大學(xué) 2015
[5]LTE系統(tǒng)移動負載均衡算法研究[D]. 李南.吉林大學(xué) 2015
[6]無線異構(gòu)網(wǎng)絡(luò)中一種基于未來負載預(yù)測的自適應(yīng)負載均衡算法[D]. 張磊.南京郵電大學(xué) 2015
[7]異構(gòu)網(wǎng)絡(luò)負載均衡機制研究[D]. 孫博聞.西安電子科技大學(xué) 2013
[8]異構(gòu)無線網(wǎng)絡(luò)的負載均衡算法研究[D]. 陳曉玉.南京郵電大學(xué) 2013
[9]LTE系統(tǒng)中的負載均衡研究[D]. 王志國.北京郵電大學(xué) 2011



本文編號：2901620