随着高效网络管理与能耗监测需求的不断增长

5G无线网络中基于业务特征与能耗指标之间关系的预测建模研究日益受到关注。本文聚焦于分析小区的业务特征与其能耗之间的关联性

采用先进的机器学习算法——XGBoost、LightGBM和CatBoost构建多个预测模型以挖掘这种关联。本文的核心创新点在于引入了基于多模型的SHAP值融合方法

实现了对特征重要性更稳健且一致的解释。通过融合不同模型的SHAP输出

有效减少了单一模型带来的解释偏差

从而获得了更具通用性的业务特征对能耗影响的洞察。研究结果深化了对蜂窝网络中业务行为与能耗关系的理解

并为运营商在网络优化与节能管理方面提供了数据驱动的决策支持。