5G/6G無線通信系統(tǒng)正在加速擁抱AI,不斷朝著智能化的方向發(fā)展。無線業(yè)務(wù)流量精準(zhǔn)預(yù)測是通信系統(tǒng)邁向智能化,實現(xiàn)自組織管理、自優(yōu)化配置的必經(jīng)之路。無線業(yè)務(wù)流量預(yù)測不僅能夠服務(wù)于動態(tài)網(wǎng)絡(luò)擁塞控制,提升管理效率,還能輔助基站實現(xiàn)業(yè)務(wù)感知的動態(tài)覆蓋,增強(qiáng)網(wǎng)絡(luò)能效。然而,由于人的移動行為的復(fù)雜性、業(yè)務(wù)請求的隨機(jī)性以及多源跨域數(shù)據(jù)對流量產(chǎn)生的空間約束性,無線業(yè)務(wù)流量的精準(zhǔn)預(yù)測面臨著諸多挑戰(zhàn)。特別是當(dāng)進(jìn)行城市尺度無線業(yè)務(wù)流量預(yù)測時,涉及眾多小區(qū)流量間的復(fù)雜時空依賴關(guān)系,需要精準(zhǔn)捕捉�，F(xiàn)有的解決方案還有較多不足,存在預(yù)測不準(zhǔn)確、不能聯(lián)合跨域數(shù)據(jù)分析以及預(yù)測趨于均值等問題,無法滿足未來智能通信系統(tǒng)中高精度流量感知和預(yù)測的需求。因此,對無線業(yè)務(wù)流量的時空特性進(jìn)行深度理解并聯(lián)合跨域數(shù)據(jù)來提升城市尺度無線業(yè)務(wù)流量預(yù)測的準(zhǔn)確性是本文研究的關(guān)鍵問題。本文將詳細(xì)闡述如何借助深度學(xué)習(xí)技術(shù)實現(xiàn)無線業(yè)務(wù)流量的精準(zhǔn)預(yù)測。主要聚焦在如何用卷積網(wǎng)絡(luò)對無線業(yè)務(wù)流量的時空依賴性進(jìn)行捕捉、如何借助跨域大數(shù)據(jù)和遷移學(xué)習(xí)對預(yù)測性能進(jìn)行提升以及如何設(shè)計高效的預(yù)測框架解決城市尺度無線流量預(yù)測趨于均值的問題。具體創(chuàng)新點總結(jié)如下:1)為同時捕捉...

【文章頁數(shù)】：132 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１－３卷積神經(jīng)網(wǎng)絡(luò)示意圖??

并使得訓(xùn)練更深層的網(wǎng)絡(luò)成為了可能。等變表示能夠使得網(wǎng)絡(luò)學(xué)習(xí)??到更加魯棒的特征表示。目前的ＣＮＮ—般有卷積層、匯聚層（池化或者下采??樣）和全連接層組成，典型的ＣＮＮ架構(gòu)如圖１－３所示。??輸入?第一Ｍ特征?第二層特征?第三層特征?第四＝特征輸出??３２Ｘ３２?４＾２８Ｘ２８?４....

圖１－５卷積神經(jīng)網(wǎng)絡(luò)的變種形式??

［７２］。這兩種網(wǎng)絡(luò)架構(gòu)的出現(xiàn)，使得神經(jīng)網(wǎng)絡(luò)可訓(xùn)練的深度大大提升，甚至可達(dá)??上千層。殘差網(wǎng)絡(luò)和密集連接卷積網(wǎng)絡(luò)與經(jīng)典ＣＮＮ網(wǎng)絡(luò)的結(jié)構(gòu)對比如圖１－５所??示。??圖１－５最左側(cè)是經(jīng)典的ＣＮＮ架構(gòu)，中間部分表示殘差網(wǎng)絡(luò)，最右??側(cè)是密集連接卷積網(wǎng)絡(luò)。假定第／層的輸出為Ｘ，，非線性變....

圖１－８基站服務(wù)不同類型的業(yè)務(wù)??

ＭＮＣ）、基站編號（Ｃｅｌｌ?ＩＤ）以及經(jīng)緯度、信號強(qiáng)度等。通過基站對應(yīng)的編號，??可以得到每個基站層面在全時段所負(fù)載的情況。并且可以做到細(xì)粒度（不同時??間尺度、不同業(yè)務(wù)類型）的存儲。如圖１－８所示，不同的基站服務(wù)不同的用戶，??用戶產(chǎn)生的無線業(yè)務(wù)數(shù)據(jù)被各基站記錄。此外，由于地....

圖２－２無線業(yè)務(wù)流量在時間尺度上的變化??？？??

２．１．２數(shù)據(jù)預(yù)分析??通過對無線業(yè)務(wù)流量數(shù)據(jù)集的探索和深度分析，可獲得無線業(yè)務(wù)流量的空??間和時間特征，如圖２－２到圖２－５所示。下面就無線業(yè)務(wù)流量空間域特征和時??間域特征進(jìn)行詳細(xì)說明。??３００?Ｉ?Ｉ?Ｉ?Ｉ?１?Ｉ???ＳＭＳ－ｉｎ??！：無她脇??〇?ｗ?．?Ｗ?，?....

本文編號：4026172