基于时间序列分析及机器学习的移动网络业务量预测技术  

作　　者：江元 杨波 赵东来 郑黎明[3] 武悦[3] 王钢[3] 

机构地区：[1]国网甘肃省电力公司,甘肃兰州730030 [2]国网甘肃省电力公司信息通信公司,甘肃兰州730050 [3]哈尔滨工业大学,黑龙江哈尔滨150080

出　　处：《物联网技术》2020年第6期42-45,共4页Internet of things technologies

基　　金：国家自然科学基金(61671184)。

摘　　要：随着NB-IoT及5G网络建设的不断拓展,越来越多的物联网设备通过公共移动通信网络接入,传输数据至云计算服务器进行集中处理。通过移动通信网络承载物联网数据及业务,为车联网、广域感知及可穿戴设备等需要在更广范围内进行数据传输的场景提供有效的通信手段,同时也对移动网络自身提出了更高的要求,带来了网络流量的爆炸性增长。因此,对业务量的提前预测成为物联网时代移动通信网络的迫切需求。文中主要通过时间序列分析技术及机器学习方法对网络业务量及网络终端数量进行预测,并利用真实移动通信网络中业务量及终端数量进行仿真和验证,证明了所提方法的有效性,此外也证明了基于神经网络的机器学习方法在业务量及终端数量预测中相较传统方法具有更高的预测准确性。

关 键 词：物联网 时间序列分析 机器学习 神经网络 业务量预测 激活函数 

分 类 号：TP391.7[自动化与计算机技术—计算机应用技术] TP391.44[自动化与计算机技术—计算机科学与技术]