论文部分内容阅读
随着移动互联网时代的到来,智能终端的快速普及、各式各样移动互联网应用的产生发展,改变了用户的生活方式,同时也使得电信运营商的业务重心发生转移。根据从全球ISP观察到的数据,Cisco预计,到2017年全球因特网年流量将达到14万亿亿字节,而2012年,这一数值才528个百亿亿字节:5年大约增长3倍。那时,80-90%的因特网流量将是某种形式的视频,其他流量则包括由M2M通讯和移动设备产生。 对于在现代蜂窝网资源管理中,动态信道资源和能源效率控制技术的提升,很大程度依赖于早期精准的监测和对蜂窝基站流量的预测。分析基站流量数据,主要通过有效提取基站间隐含的时空信息。在本文中,通过对华北某大城市的实测数据,进行了基于时空关联性的分析,采用k-NN算法,获取蜂窝网基站间的时间相关性,选择合适的移动窗口大小,并结合了小波分析与Elman神经网络(ENN)算法来实现流量预测。最后,通过量化蜂窝网流量预测的准确度,并与传统方法进行对比,得出了本文提出的方法有优越性。