融合深度学习与回归残差神经网络的流量预测方法  

作　　者：张伟[1] 刘甫琴 

机构地区：[1]中国联通广东省分公司云网运营中心 [2]中国联通中山市分公司网络BG室

出　　处：《广东通信技术》2022年第10期76-79,共4页Guangdong Communication Technology

摘　　要：针对流量预测的精度不高的问题,提出一种融合深度学习与回归残差神经网络的流量预测方法。考虑到流量数据时空相关性,通过CNN-LSTM网络挖掘流量数据的时空相关性,在此基础上,构建回归残差RBF神经网络实现残差推理。实验表明,本模型比传统的模型误差3.3%左右,迭代速度提升15%左右,可以看出,模型在一定程度上提升了流量预测的准确性。

关 键 词：流量预测 CNN-LSTM 回归残差RBF神经网络 时空特征 

分 类 号：TN929.5[电子电信—通信与信息系统] TP18[电子电信—信息与通信工程]