基于XGBoost的无线传播预测模型

• 作者: 朱家鹏 段宇帅
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 集成学习 无线传播模型 数据分析 特征工程
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 35-39
• 页数: 5页
• 分类号: TP301
• 字数: 3469字
• 语种: 中文
• DOI: 10.11907/rjdk.192477

摘要

传统的无线传播模型通常需要根据经验模型对传播场景进行划分.为了解决其在实际应用中不够精确的问题,通过在大量工程参数中设计并选用合适的特征参数作为模型输入,构建基于机器学习方法XGBoost的无线传播预测模型,实现新环境下无线信号覆盖强度的准确预测.实验结果表明,该模型相较于基于长短记忆网络(LSTM)、线性回归方法,预测均方根误差最小,为9.101.该方法在预测精度和模型鲁棒性上都较好,对在不同场景下的信道传播路径损耗进行准确预测具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱家鹏	浙江理工大学信息学院	1	0	0.0	0.0
2	段宇帅	浙江理工大学信息学院	1	0	0.0	0.0