基于大数据和机器学习的5G通信基站流量的分析与长短期预测建模

摘要：

近年来，随着移动通信技术的发展，4G、5G给人们带来了极大便利，产生的移动流量也呈现爆炸式增长，仅2021年春节期间的移动数据流量就高达357.3万TB，同比增长23.4％。因此，对基站流量数据的研究变得越来越重要。另一方面，在大数据的背景下，机器学习、数据挖掘等技术的发展，能够帮助5G流量解决高维的计算和优化问题。本文将在5G移动通信单基站上下行流量的大数据条件下，分析流量数据周期性波动特征。并结合实际应用需求，对上下行流量进行长、短期两个维度的预测建模。最后根据分析和预测的结果，提出利用Hadoop分布式数据库为底端设计单个通信基站载频的可视化和自动开关机制的设想，为5G基站的建设部署和基站节能机制的优化提出参考依据。

关键词：5G流量预测、时间序列分析、LSTM神经网络、数据挖掘

在线出版日期：2021-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：210,214