面向节能的神经网络流量预测探讨

来源 :移动通信 | 被引量 : 0次 | 上传用户:whp71518255
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
5G的节电策略在不同应用场景下可以有多种选择,但准确的业务流量预测始终是其中的关键。为拟合业务流量同时存在季节周期性和短期内可能出现剧烈波动的特性,提出了一种改良的流量预测模型,融合了深度学习LSTM网络模型和指数平滑模型的优势,使整个流量预测在长期预测方面更加稳定可靠。经试验数据检验,改良后的模型对三个试验区域流量的预测相比LSTM的预测结果更精准和细腻。
其他文献
针对未来一体化联合作战、全域作战需求,结合"一切皆资源、资源解耦、资源共享"理念,通过对比美军TRM,提出一种基于网络资源解耦与共享的战术信息系统技术参考模型。通过典型
针对当前网络切片资源仅考虑时间域请求所导致切片资源分配不合理的问题,采用基于残差-预测框架的流量感知算法来预测网络流量,结合神经网络预测未来的网络负载状态;基于网络
毫米波是5G的关键技术之一,其大带宽、低时延特性为上层应用提供了更大实现空间,但也对毫米波移动终端提出了更多挑战。在与中低频不同的信道环境和终端应用场景中,通过对毫
为满足工业无线传感器、视频监控和可穿戴设备等中端物联网用例的需求,3GPPRel-17研究定义5G新空口(NR)低复杂度低成本终端(即RedCap UE)。介绍了5G RedCap UE的主要用例与标
5G系统基于大带宽和大规模天线方案,能实现亚米级高精度定位。详细介绍5G系统定位架构、定位参考信号设计和定位测量参数定义等,并分析5G定位技术的发展趋势。
5G网络已经正式商用,网络切片作为5G网络的关键技术之一,可实现5G网络资源的充分利用。为了研究5G端到端网络切片如何满足千行百业的差异化需求,分析了5G端到端网络切片国际
为了解决室内目标跟踪系统中由于定位误差导致目标运动轨迹波动较大的问题,提出一种基于最大似然估计与卡尔曼滤波的融合目标跟踪算法。首先利用最大似然估计算法预测目标的
随着以下行为主的移动互联网业务迅速发展,以及新应用新场景等以上行为主的特色业务出现,5G需引入具备大带宽差异化的技术方案。现有2.6 GHz频段单个时隙配置难以同时匹配两
MEC是5G网络的关键能力之一,但其对外开放、微服务化、边缘资源有限等特点也使得MEC安全建设面临严峻的挑战。基于MEC部署架构对MEC建设过程中的安全风险和安全需求进行了分
跳频DPD的目的是提高末级功放效率,减少功放的无效热耗,从而减小跳频设备的功耗、体积和重量。DPD对功放的算法优化需要一定计算时间,跳频DPD的实现难点为需要实时跟踪工作频