如何使用空間合作關(guān)系進行基站流量預(yù)測模型的資料說明

　　針對傳統(tǒng)的自回歸積分移動平均（ARIMA）模型和長短時記憶（LSTM）單元在基站流量預(yù)測中沒有利用基站（BS）間合作關(guān)系的問題，提出一種利用由用戶群體在不同基站下訪問產(chǎn)生的基站合作關(guān)系的流量預(yù)測（ TPBC）算法。首先，通過基站之間的合作關(guān)系構(gòu)建基站合作網(wǎng)絡(luò)，并對此合作網(wǎng)絡(luò)進行社區(qū)劃分得到基站社區(qū);然后，通過格蘭杰因果關(guān)系檢驗方法尋找與目標基站同一社區(qū)且關(guān)系最緊密的若干基站，作為目標基站的合作基站;最后，使用LSTM和詞嵌入層（Embedding）搭建混合神經(jīng)網(wǎng)絡(luò)，并根據(jù)目標基站和合作基站的流量信息進行流量預(yù)測。實驗結(jié)果表明，TPBC在基站流量預(yù)測上的均方根誤差（RMSE）相比ARIMA和LSTM分別減小了29.19%和27.47%。TPBC能有效提高基站流量預(yù)測準確率，在流量卸載和綠色節(jié)能等領(lǐng)域具有重要意義。

　　隨著蜂窩技術(shù)向第五代（5G）演進，全球移動設(shè)備數(shù)量和物聯(lián)網(wǎng)（ Internet of Things， loT）規(guī)模呈指數(shù)級增長，這些設(shè)備在方便了人類生活的同時也在蜂窩網(wǎng)絡(luò)中產(chǎn)生了海量的移動數(shù)據(jù)，對蜂窩網(wǎng)絡(luò)造成巨大的流量負載。與此同時，日益豐富的移動數(shù)據(jù)記錄也為蜂窩網(wǎng)絡(luò)的智能管理提供了數(shù)據(jù)支撐。流量預(yù)測作為智能管理的基礎(chǔ)，被廣泛運用于基站綠色節(jié)能和流量卸載等研究領(lǐng)域。 目前不少的研究致力于挖掘用戶訪問行為規(guī)律和有效利用流量數(shù)據(jù)的內(nèi)在聯(lián)系上，這些規(guī)律和信息有助于運營商對蜂窩網(wǎng)絡(luò)狀況的監(jiān)控和對流量的預(yù)測。