基于多模型SHAP融合的5G基站能耗预测研究

Chinese

您当前的位置：

首页 >

文章列表页 >

节能技术 | 更新时间：2026-04-20

- 基于多模型SHAP融合的5G基站能耗预测研究
- 基于多模型SHAP融合的5G基站能耗预测研究
- 电信工程技术与标准化 2025年38卷第S1期页码：282-287
- 作者机构：
  
  中国移动通信集团设计院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2025.s1.027
  中图分类号： TN929.5
- 纸质出版：2025
- 稿件说明：
移动端阅览
李林禹, 王洁丽, 孟德香, 等. 基于多模型SHAP融合的5G基站能耗预测研究[J]. 电信工程技术与标准化, 2025,38(S1):282-287.

李林禹, 王洁丽, 孟德香, et al. 基于多模型SHAP融合的5G基站能耗预测研究[J]. 2025, 38(S1): 282-287.
李林禹, 王洁丽, 孟德香, 等. 基于多模型SHAP融合的5G基站能耗预测研究[J]. 电信工程技术与标准化, 2025,38(S1):282-287. DOI： 10.13992/j.cnki.tetas.2025.s1.027.

李林禹, 王洁丽, 孟德香, et al. 基于多模型SHAP融合的5G基站能耗预测研究[J]. 2025, 38(S1): 282-287. DOI： 10.13992/j.cnki.tetas.2025.s1.027.

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。

周孟戈,谢松,彭搏,周念成,张渝.计及5G基站负荷概率特性的配电网扩展规划方法[J].电工电能新技术,2022(01).

Yi Feng,Linlan Liu,Jian Shu.A Link Quality Prediction Method for Wireless Sensor Networks Based on XGBoost.[J].IEEE Access,2019.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于SHAP-LSTM的数据中心冷冻站能耗预测与节能分析