基于深度学习的LTE小区趋势预测研究

• 作者: 王兵 钱兵
• 来源期刊: 信息通信技术与政策
• 关键词: LTE网络 趋势预测 LSTM ARIMA 人工智能
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 专题:AI+行业
• 页码范围: 1-7
• 页数: 7页
• 字数: 6495字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-9217.2019.06.001

摘要

当前,在人工智能技术迅猛发展的推动下,无线网运维领域也逐渐尝试使用算法辅助人工,增加运维效率和降低运维成本.本文以中国电信在东南沿海某省的LTE小区为例,选取KPI数据中平均激活用户数、下行用户面流量以及平均RRC连接用户数3个关键指标进行未来一周的趋势预测,通过对比机器学习中的ARIMA和深度学习中的LSTM两种算法优劣,最终使用3000个小区训练样本建立LSTM算法并得到上述3个指标预测最大精度分别是92％、71％和67.5％,可见在平均激活用户数指标上预测效果最好,超过80％.最后,将该算法推广到全省1.4016万个小区的平均激活用户数预测,进一步验证算法的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王兵	中国电信集团有限公司网运部	11	20	3.0	4.0
2	钱兵	中国电信研究院战略与创新研究院	4	4	1.0	1.0