针对传统5G室分规划方法在非线性时序特征解析与预测精度方面的不足，本文提出基于DeepTime深度学习模型的楼宇级需求预测框架。该模型融合LSTM与CNN架构优势，通过多维网络数据构建端到端预测系统，结合时序特征增强与RMS损失优化提升建模精度。实验表明，DeepTime在流量、用户数和PRB利用率预测中的RMSE较LSTM降低78%以上，显著捕捉到周期引发的流量波动规律，为运营商实现5G室分精准规划、资源动态调度及服务优化提供可靠工具，具有重要工程价值。