子图驱动的轻量化联邦学习时空蜂窝网络预测方法

本发明属于蜂窝网络通信技术领域，具体涉及子图驱动的轻量化联邦学习时空蜂窝网络预测方法，包括以下步骤：S1、数据预处理；S2、子图划分；S3、模型训练；S4、模型参数剪枝；S5、模型传输；S6、参数聚合；S7、模型更新，为联邦分布式环境设计了一种以节点间时空相关性为核心的分布式子图划分策略，据此制定出更接近实际FL应用场景的子图节点划分方案。本发明将FL框架与STGCN模型进行集成，引入了一种基于传输参数权重的自适应剪枝方案，在模型数据传输阶段设计了强化学习代理进行决策，剪除较低权重参数，以降低模型通信成本与计算成本，实现模型轻量化的同时有效保持预测精度。