中国移动通信集团湖南有限公司
纸质出版:2025
移动端阅览
谌晓明. 基于DeepTime算法的楼宇级5G室分容量预测的方法及研究[J]. 电信工程技术与标准化, 2025,(5):21-29.
谌晓明. 基于DeepTime算法的楼宇级5G室分容量预测的方法及研究[J]. 2025, (5): 21-29.
谌晓明. 基于DeepTime算法的楼宇级5G室分容量预测的方法及研究[J]. 电信工程技术与标准化, 2025,(5):21-29. DOI: 10.13992/j.cnki.tetas.2025.05.009.
谌晓明. 基于DeepTime算法的楼宇级5G室分容量预测的方法及研究[J]. 2025, (5): 21-29. DOI: 10.13992/j.cnki.tetas.2025.05.009.
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。
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构