摘要
本发明公开一种基于小区级扩容因子预测的节日保障精准容量预测方法,涉及通信网络容量预测技术领域,包括:通过设置时间区间提取历史与本次节日保障数据,经时空标签构建和时间序列分解完成预处理;针对有历史数据小区,运用LSTM‑Attention网络、特征增强模块及多任务学习,预测小区级扩容因子与忙时利用率峰值;对无历史数据小区,借助GIS相交、时空图神经网络与迁移学习,实现栅格级扩容因子预测。而后,融合显性与隐性小区扩容因子预测结果,按优先级适配本地小区,实现全区域精准覆盖;以节日保障日常均值为基础,结合综合扩容因子预测,调用识别规则,输出本地预先保障待扩容小区详细信息。本发明解决了传统的节日保障区域大,容量预测困难的问题。
技术关键词
容量预测方法
小区级
因子
栅格
神经网络模型
指标
数据
多任务学习策略
通信网络容量
深度学习方法
基础
注意力机制
序列
动态更新
预测误差
标签
决策
系统为您推荐了相关专利信息
异常信息
监控方法
智能锁开锁
时域特征
频域特征
电梯动态调度
电梯运行参数
LSTM神经网络模型
融合多传感器数据
预警系统
模型生成方法
神经网络模型
参数
元素
模型生成装置