【摘要】：隨著移動通信技術(shù)不斷發(fā)展,移動蜂窩網(wǎng)絡(luò)應(yīng)用日益增多,社會生活越來越依賴于移動通信,蜂窩網(wǎng)絡(luò)流量的需求也越來越大。而蜂窩網(wǎng)絡(luò)產(chǎn)生了海量的數(shù)據(jù),這些數(shù)據(jù)蘊(yùn)含了用戶、網(wǎng)絡(luò)甚至是社會發(fā)展的信息,對這些信息進(jìn)行挖掘,可以為通信技術(shù)的進(jìn)一步發(fā)展、運(yùn)營商公司戰(zhàn)略的部署、社會行業(yè)的進(jìn)步提供重要的參考意見。本論文選題于企業(yè)科研項目,著重進(jìn)行蜂窩網(wǎng)絡(luò)基站流量數(shù)據(jù)的分析與預(yù)測研究。由于不同基站流量序列之間具有時空相關(guān)性,本論文對基站進(jìn)行聚類分析研究,得到每類基站的流量變化特性;在此基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行基站流量預(yù)測研究。主要工作內(nèi)容如下:1)本論文綜述了蜂窩網(wǎng)絡(luò)數(shù)據(jù)挖掘相關(guān)研究,總結(jié)了蜂窩網(wǎng)絡(luò)數(shù)據(jù)的特征及相關(guān)研究方向,梳理了數(shù)據(jù)挖掘常用方法以及數(shù)據(jù)挖掘方法應(yīng)用于蜂窩網(wǎng)絡(luò)流量分析與預(yù)測領(lǐng)域的相關(guān)研究現(xiàn)狀。2)針對不同基站的流量序列之間具有時空相關(guān)性的特征,本論文利用聚類算法對基站進(jìn)行聚類分析。將基站流量序列包含的趨勢信息融入到聚類算法的距離度量中,得到新的距離度量TBD(Trend-Based Distance)。由于距離度量可表征序列間的時空相關(guān)性,進(jìn)而提出基站流量時間序列的K趨勢(K-Trend)聚類算法,將基站按照流量序列間的時空相關(guān)程度聚成不同類簇,并結(jié)合地理位置信息對每個類簇的基站進(jìn)行流量變化特性分析。利用實(shí)際基站流量數(shù)據(jù)集對所提算法進(jìn)行性能驗(yàn)證,結(jié)果表明,所提算法比傳統(tǒng)K均值(K-Means)算法的聚類性能更優(yōu)。3)針對單基站與全局基站的流量預(yù)測問題,本論文提出了兩種基于長短時記憶(Long-Short Time Memory,LSTM)神經(jīng)網(wǎng)絡(luò)的基站流量預(yù)測算法。第一種是TBD-LSTM單基站流量預(yù)測算法,該算法在預(yù)測單基站的未來流量時,計算該基站與其他基站的流量序列時空相關(guān)性,選取相關(guān)性較高的基站,將這些基站的流量值與待預(yù)測基站的流量值共同作為預(yù)測模型的輸入,訓(xùn)練神經(jīng)網(wǎng)絡(luò),最終得到單基站的流量預(yù)測模型;第二種是K-Trend-LSTM全局基站流量預(yù)測算法,該算法對K-Trend聚類后的每個類簇都訓(xùn)練一個預(yù)測模型,將類簇內(nèi)所有基站流量序列作為該類簇預(yù)測模型的輸入,每個類簇的預(yù)測模型可以預(yù)測出這個類簇中所有單基站的未來流量值。將所提算法應(yīng)用于實(shí)際數(shù)據(jù)集中預(yù)測基站的未來流量,結(jié)果表明,所提兩種算法比傳統(tǒng)LSTM算法的預(yù)測精度更高。
【圖文】：

邐北京郵電大學(xué)工程碩士學(xué)位論文邐逡逑２．２．１數(shù)據(jù)挖掘技術(shù)的概念與原理逡逑數(shù)據(jù)挖掘（Ｄａｔａ邋Ｍｉｎｉｎｇ），是從大量的實(shí)際應(yīng)用數(shù)據(jù)中提取隱含的、潛在有逡逑用的信息與知識的過程。數(shù)據(jù)挖掘基于各種類型的數(shù)據(jù)庫，挖掘后獲得的知識包逡逑括關(guān)聯(lián)規(guī)則、區(qū)分規(guī)則、特征規(guī)則、總結(jié)規(guī)則、分類規(guī)則、偏差規(guī)則、聚類規(guī)則、逡逑趨勢分析等。數(shù)據(jù)挖掘技術(shù)的特點(diǎn)概括如下：逡逑１）數(shù)據(jù)規(guī)模龐大，達(dá)到ＧＢ、ＴＢ數(shù)量級甚至更大；逡逑２）數(shù)據(jù)查詢要求不精確，依賴系統(tǒng)本身尋找感興趣的潛在信息；逡逑３）數(shù)據(jù)變化迅速，數(shù)據(jù)挖掘需快速做出反應(yīng)以隨時提供決策支持；逡逑４）規(guī)則的發(fā)現(xiàn)基于統(tǒng)計規(guī)律，所發(fā)現(xiàn)的規(guī)律不一定適用于所有數(shù)據(jù)；逡逑５）數(shù)據(jù)挖掘所發(fā)現(xiàn)的規(guī)則是動態(tài)的，會隨數(shù)據(jù)的更新而改變。逡逑數(shù)據(jù)挖掘的實(shí)質(zhì)是綜合應(yīng)用各種技術(shù)，對于業(yè)務(wù)相關(guān)的數(shù)據(jù)進(jìn)行一系列科學(xué)逡逑的處理，，這個過程中需要用到多種學(xué)科的知識［２２］，具體如圖２－１所示。逡逑

預(yù)測是指根據(jù)發(fā)展趨勢和變化規(guī)律對事物未來發(fā)展趨勢或狀態(tài)作出科學(xué)的逡逑判斷與推斷，即根據(jù)過去和現(xiàn)在估計未來。預(yù)測方法可以分為定性預(yù)測方法和定逡逑量預(yù)測方法，其關(guān)系如圖２－２所示。逡逑「專家會議法／Ｄｅｌｐｈｉ法逡逑？？定性預(yù)測方法主觀概率法逡逑Ｌ鄰先指標(biāo)法邐「移動平均逡逑預(yù)測■＜邐ｆ時間序列分析—指數(shù)平滑逡逑Ｌ邋Ｂｏｘ－Ｊｅｎｋｉｎｓｆｔ逡逑－？定量預(yù)測方法—邐「回歸方法逡逑計量經(jīng)濟(jì)模型逡逑、因果關(guān)系分析＾神經(jīng)網(wǎng)絡(luò)預(yù)測法逡逑灰色預(yù)測逡逑＇？馬爾科夫預(yù)測逡逑圖２－２預(yù)測方法分類逡逑從數(shù)據(jù)挖掘角度，本論文采用的是定量分析方法中的神經(jīng)網(wǎng)絡(luò)預(yù)測法。神經(jīng)逡逑網(wǎng)絡(luò)預(yù)測是預(yù)測技術(shù)中的重要方法之一。人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神逡逑經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型，大量節(jié)點(diǎn)之間相互連接構(gòu)成網(wǎng)絡(luò)，逡逑以達(dá)到處理信息的目的。神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于：１）可以任意精度逼近任意函數(shù)：逡逑２）屬于非線性模型，能適應(yīng)各種復(fù)雜的數(shù)據(jù)關(guān)系；３）具備很強(qiáng)的學(xué)習(xí)能力，能逡逑適應(yīng)數(shù)據(jù)空間的變化；４）借鑒人腦的物理結(jié)構(gòu)和機(jī)理，能夠模擬人腦的某些功逡逑能，具備“智能”的特點(diǎn)。逡逑遞歸神經(jīng)網(wǎng)絡(luò)（Ｒｅｃｕｒｒｅｎｔ邋Ｎｅｕｒａｌ邋Ｎｅｔｗｏｒｋ，邋ＲＮＮ）是人工神經(jīng)網(wǎng)絡(luò)的一種，逡逑ＬＳＴＭ是其變體。ＬＳＴＭ與傳統(tǒng)ＲＮＮ區(qū)別最大的是其隱藏層模塊的結(jié)構(gòu)［２９Ｌ逡逑ＬＳＴＭ隱藏層模塊又被稱之為記憶模塊，具體結(jié)構(gòu)如圖２－３所示。記憶模塊是由逡逑１４逡逑
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN929.5;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;一種新的基于車輛的蜂窩網(wǎng)絡(luò)結(jié)構(gòu)[J];無線電通信技術(shù);2018年04期

2 王鑫;韓燕;孫強(qiáng);徐晨;;基于凸優(yōu)化的小蜂窩網(wǎng)絡(luò)最小功耗方法[J];計算機(jī)工程;2017年04期

3 李春紅;;小蜂窩網(wǎng)絡(luò)優(yōu)勢、面臨挑戰(zhàn)與發(fā)展趨勢[J];通信技術(shù);2017年10期

4 李志斌;;Wi-Fi與蜂窩網(wǎng)絡(luò)融合的技術(shù)進(jìn)展與測試標(biāo)準(zhǔn)[J];電信工程技術(shù)與標(biāo)準(zhǔn)化;2015年08期

5 賈亞男;岳殿武;;面向5G的小蜂窩網(wǎng)絡(luò)研究綜述[J];電訊技術(shù);2015年11期

6 ;MIMO[J];電子質(zhì)量;2008年09期

7 凌志弘;WLAN與蜂窩網(wǎng)絡(luò)的融合[J];電信網(wǎng)技術(shù);2004年02期

8 ;飛利浦LDMOS技術(shù)加速3G蜂窩網(wǎng)絡(luò)的建設(shè)步伐[J];電信技術(shù);2003年12期

9 裴仁超;李莉;沈一豪;張道煦;羅漢文;;蜂窩網(wǎng)絡(luò)中設(shè)備間中繼的功率分配[J];上海師范大學(xué)學(xué)報(自然科學(xué)版);2017年01期

10 王科;;無線蜂窩網(wǎng)絡(luò)中的抗干擾以及越區(qū)切換[J];通訊世界;2017年05期

相關(guān)會議論文 前10條

1 朱立東;吳詩其;;無線蜂窩網(wǎng)絡(luò)中的一種基于排隊模型的信道分配策略[A];開創(chuàng)新世紀(jì)的通信技術(shù)——第七屆全國青年通信學(xué)術(shù)會議論文集[C];2001年

2 元征;姚凌;紀(jì)紅;樂光新;;一種用于未來蜂窩網(wǎng)絡(luò)中的跨層優(yōu)化模型——信息收集管理層模型[A];第九屆全國青年通信學(xué)術(shù)會議論文集[C];2004年

3 楊濤;吳樹興;吳偉陵;;一種多跳蜂窩網(wǎng)絡(luò)中的拓?fù)淇刂扑惴ㄑ芯縖A];2005'中國通信學(xué)會無線及移動通信委員會學(xué)術(shù)年會論文集[C];2005年

4 張知v

本文編號：2675887