随着移动终端数量和无线流量业务的不断增加,移动用户对无线业务流量的需求呈现爆炸式的增长。如何应对上述激增的无线业务流量和高质量的用户服务质量需求,是目前无线通信技术急需解决的关键问题。异构蜂窝网络通过在传统蜂窝网络中部署多种不同类型的基站,能够有效地提高传统蜂窝网络的覆盖范围和通信容量,成为通信领域研究的热点。然而,在异构蜂窝网络中,无线流量需求的时变性和用户位置分布的随机性等特点,导致无线流量预测和用户关联问题成为研究难点。为此,本文在兼顾用户服务质量的前提下,研究了异构网络中无线流量预测和用户关联技术,从而提高网络通信性能。本文的主要贡献包括以下两个方面:1.针对城市级无线业务流量数据的时间相关性,本文提出了一种基于密集连接门控循环网络的异构网络城市级无线业务流量预测方法。在较少预测开销的前提下,为了充分挖掘无线业务流量有效信息,利用滑动窗口机制获取流量预测数据。在此基础上,设计密集连接门控循环网络,借助于门控循环网络对输入流量数据长时记忆优势,通过捕捉无线业务流量数据时间相关性特点,进而提高无线流量预测精度。通过在米兰市多种无线业务真实数据集上进行性能测试,仿真结果表明,该方法能够有效地捕捉无线业务流量的时间相关性,从而显著降低预测误差。2.为了提高异构网络中无线业务用户满意度,本文提出了一种基于多智能体深度强化学习的用户关联方法。在建立异构蜂窝网络系统模型基础上,结合用户满意度和通信运营商成本等约束条件,提出多智能体Q学习算法,通过设计用户和基站的关联关系,以获得整个异构蜂窝网络长期效用的最大化。在此基础上,考虑到多智能体Q学习算法中动作空间计算量大的问题,提出了多智能体深度Q网络算法,通过深度神经网络来近似Q值函数,借助于经验回放机制和目标网络策略,以实现用户与基站的智能关联。仿真结果表明,该方法能够在较少网络信息情况下,以较快的收敛速度获得最优的用户关联策略。