基于注意力机制的无线业务流量预测研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:zhuguangxinli
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
以深度学习为代表的人工智能技术已经成为推动5G/6G网络智能化的核心驱动力。作为构建智能化网络中不可或缺的一环,无线业务流量预测技术对于提升网络性能、降低网络能耗、提升用户体验具有重要意义。精准的流量预测有助于实现对未来业务需求的动态感知,既为后续通信资源的预分配提供了先验信息,也为网络基础设施的部署与扩容提供了依据,同时还可避免不必要的运营维护成本,为实现绿色通信提供有力保障。分析表明,实际场景中无线业务流量的时空分布呈现出高动态性与不确定性,这给流量预测任务带来巨大挑战。近年来深度学习、高性能计算等领域的发展,为基于大数据分析的流量预测算法提供了强大的理论与技术支撑。设计更加合理高效的神经网络结构,是挖掘流量数据中复杂模式,提升流量预测算法性能的关键所在。因此,本文重点研究如何利用注意力机制捕获长时间跨度流量序列的时间依赖性,从而提升深度学习预测算法的性能。首先借助时域自注意力机制提升深度神经网络对于无线业务流量长期依赖性的捕获能力。在此基础上,进一步设计支持多步预测的神经网络架构,满足不同网络负载下的预测需求。本文的主要内容与创新点,总结如下:1)提出基于时域自注意力机制的无线业务流量预测框架TWACNet,以捕获无线业务流量在时间维度上的长期相关性。首先,所提框架利用自注意力机制捕获不同时刻流量数据之间的时序相关性,充分挖掘观测流量序列时间尺度上的全局特征。然后,基于残差网络对相关时空特征进行融合,得到流量预测结果。最后,将所提预测框架在实际数据集上进行验证,实验结果表明,相较于传统的基于循环神经网络架构的预测算法,自注意力机制能够有效捕获长时间跨度流量序列中的时间依赖性,充分利用长时间窗流量序列蕴含的时域特征信息,从而提升算法的预测精准度。2)在创新点1)的基础上,为降低多步预测中的误差累积影响,本文提出基于注意力机制的序列到序列流量预测框架A-seq2seq。所提框架整体上分为编码器、解码器两部分。编码器部分采用时域自注意力网络进行特征提取,解码器采用卷积门控神经网络输出多步预测结果。在编码器中基于自注意力机制捕获无线流量数据的时空依赖性,输出不同时刻的流量数据的特征映射;在解码器中利用注意力机制为不同的特征映射赋予不同权重,综合观测值与预测值信息,对流量预测值进行校正,有效降低传统递归算法中的预测值累积误差。最后本文在三种不同业务的数据集上进行仿真验证,仿真结果表明A-seq2seq模型能够有效提升多步预测的准确性。
其他文献
新能源的大规模接入使电力系统的电力电子化程度日益加深,现代电力系统形态变化引发电力信号形态随之改变,对电力系统的实时监测能力提出了更高的要求。相量作为可以反映电力系统运行状态的电气量,是进行有效保护和控制的前提,但故障电流信号中往往含有衰减直流分量(Decaying DC Component,DDC),其非周期性使得目前广泛应用的基于离散傅里叶变换(Discrete Fourier Transfo
学位
可再生能源的随机性和用能需求的多样性给电力系统的安全经济运行带来挑战,而将多种能源协同运行可以提高系统应对不确定性问题的能力。因此,能有效提高能源利用效率和可再生能源消纳能力的综合能源系统必将成为未来主流能源供应方式之一。如何通过不同能源之间的相互作用提供更大的灵活性,并有效应对系统运行中存在的多种不确定因素,是综合能源系统面临的重要问题。因此,本文聚焦于通过多种灵活性元件耦合的电力系统、热力系统
学位
油中溶解气体分析(Dissolved Gas Analysis,DGA)被证明是世界范围内诊断油浸式电力变压器内部故障的有效手段,可灵敏识别内部放电及过热异常。油中溶解气体在线分析装置的全面推广使得以统计理论为基础、以数据驱动为核心的变压器智能诊断方法逐渐成为研究热点。大量研究表明,在同一数据集下相较于传统基于领域经验知识的规则法,智能诊断方法能获得更高的诊断准确率。但纯数据驱动的智能诊断算法采用
学位
清洁能源的大规模集中开发与分布式开发并举是助推“双碳”目标实现的重要举措,分布式电源就近接入配电网,使传统单电源径向配电网转变为多电源供电的有源配电网。以太阳能、风能为代表的分布式电源的出力具有波动性和间歇性,导致有源配电网的潮流方向与故障电流特征具有不确定性。此外,通过电力电子器件并网的逆变型分布式电源受到多种控制策略影响,故障特性更为特殊。随着配电网中分布式电源渗透率的进一步提高,传统配电网的
学位
随着科技飞速发展,各种电力电子整流装置广泛应用,谐波所造成的危害越发严重。特别是近年来随着电动汽车相关产业的飞速发展,其保有量不断提高,充电装置应用愈发广泛。车载充电器体积较小易于携带,可缓解电动汽车充电设施不足带来的困难,为减少谐波所造成的危害,充电器中都带有功率因数校正装置。本文以一种基于非对称双有源桥的单级式变换器为研究对象,分析其工作原理和控制方法实现功率因数校正,可应用于车载充电器等整流
学位
在第五代移动通信和物联网等技术的推动下,边缘计算飞速发展,传统基于云中心的人工智能网络架构出现了本地化的演进趋势。联邦学习作为网联人工智能的新范例,在协同训练和保护隐私等方面具备独特的优势。在联邦学习系统中,全局模型参数的更新依赖于云服务器与边缘节点间频繁的模型信息交互,这将给系统带来大量额外的通信开销和训练时延,已经成为了限制系统性能的关键问题。当前,通过压缩节点模型参数信息以减少节点间的通信开
学位
车联网是智能交通系统(ITS)重要的使能技术之一。随着车联网技术的快速发展,大量计算密集和时延敏感的车载应用不断涌现,车辆对于计算和通信资源的需求急剧提升。一方面,计算资源受限的车辆终端难以满足车辆任务的低时延要求;另一方面,车辆的高移动性导致网络拓扑结构快速变化,频谱资源管理困难。针对上述问题,本文首先研究了车联网中车辆任务的卸载策略,引入移动边缘计算(MEC)技术为车辆提供卸载服务,有效减少了
学位
涡轮发动机作为飞机、车辆或船舶等动力关键设备,其运行状态和可靠性对设备安全和稳定运行起着决定性作用。然而,复杂多变的工作条件,高温高压工作环境等因素导致发动机易出现性能退化甚至失效的问题。在发动机退化早期开展剩余寿命(Remaining Useful Life,RUL)预测并安排合理的维护方案,可以有效避免计划外停机维修造成的损失,提高设备安全性,有效的预测方法对于及时RUL预测至关重要。本文面向
学位
人类文明的高速发展依赖于能源的生产与利用,然而近年来能源短缺,环境恶化,已逐渐成为遏制人类未来发展的重要因素。在能源短缺、全球变暖的压力下,利用和发展新能源,实现电力供应低碳化成为解决这些问题的有效途径,而电动汽车作为新能源的终端设备,数量巨大潜力无限,成为新能源转换的重要应用。除此之外,传统汽车排放大量一氧化碳、氮氧化物和颗粒物,此类化合物已成为酸雨和雾霾的重要来源,且极易引起人类呼吸系统疾病,
学位
参与式预算是地方政府在预算领域的一项代表性创新政策,其关键特质在于赋予普通民众预算参与权,通过“预算协商、民主决策”确保“人民的钱”由“人民说了算”。可持续性是检验政府创新成效的一项重要标准,地方政府参与式预算创新是社会发展转型和公共财政迈向现代化过程中的产物,如何在充满不确定性的现实环境中持续运作与发展是一个十分关键的问题。经过近二十年的实践探索,我国地方政府参与预算创新总体上呈现出较强的空间扩
学位