基于多时间粒度时空图网络的蜂窝网络流量预测

来源：计算机技术与发展杂志2024年第10期北京时间：

作者：张德杨;任佳玺

摘要：蜂窝网络流量预测对于运营商提高网络服务质量、降低能耗、优化资源配置具有重要意义。 针对当前蜂窝网络流量预测方法无法同时提取多时间粒度序列特征和空间特征的问题,提出一种基于多时间粒度时空图神经网络的蜂窝网络流量预测方法。 该方法首先将基站历史数据建模为多个时间粒度的时序数据,并使用一维卷积网络提取每个序列的特征,然后使用图注意力网络对多时间粒度的特征进行聚合得到单一基站的数据特征,最后将多个基站的特征进行空间聚合,并使用全连接层将每个基站聚合后的特征映射为预测结果。 实验选择公开数据集 Telecom Italia 验证该方法的有效性,使用 RMSE 和 R2 作为预测结果的评价指标,与当前已有方法相比该方法可取得最好的预测结果。 论文最后分析了不同时间粒度序列对最终预测结果的影响,结果表明时间粒度位于 40 分钟至 1. 5 小时之间的序列对提高模型预测效果的贡献最大。

关键词：流量预测;多时间粒度;图注意力网络;空间聚合;一维卷积网络