资 源 简 介
针对传统的自回归积分移动平均（ARIMA）模型和长短时记忆（LSTM）单元在基站流量预测中没有利用基站（BS）间合作关系的问题，提出一种利用由用户群体在不同基站下访问产生的基站合作关系的流量预测（ TPBC）算法。首先，通过基站之间的合作关系构建基站合作网络，并对此合作网络进行社区划分得到基站社区;然后，通过格兰杰因果关系检验方法寻找与目标基站同一社区且关系最紧密的若干基站，作为目标基站的合作基站;最后，使用LSTM和词嵌入层（Embedding）搭建混合神经网络，并根据目标基站和合作基站的流量信息进行流量预测。实验结果表明，TPBC在基站流量预测上的均方根误差（RMSE）相比ARIMA和LSTM分别减小了29.19%和27.47%。TPBC能有效提高基站流量预测准确率，在流量卸载和绿色节能等领域具有重要意义。
随着蜂窝技术向第五代（5G）演进，全球移动设备数量和物联网（ Internet of Things， loT）规模呈指数级增长，这些设备在方便了人类生活的同时也在蜂窝网络中产生了海量的移动数据，对蜂窝网络造成巨大的流量负载。与此同时，日益丰富的移动数据记录也为蜂窝网络的智能管理提供了数据支撑。流量预测作为智能管理的基础，被广泛运用于基站绿色节能和流量卸载等研究领域。 目前不少的研究致力于挖掘用户访问行为规律和有效利用流量数据的内在联系上，这些规律和信息有助于运营商对蜂窝网络状况的监控和对流量的预测。
