倪飞祥

（1.上海微系统与信息技术研究所 上海201210；2.中国科学院大学 北京100049）

基于改进小波-Elman神经网络算法的蜂窝网流量预测

倪飞祥1，2

（1.上海微系统与信息技术研究所 上海201210；2.中国科学院大学 北京100049）

对于在现代蜂窝网资源管理中，动态信道资源和能源效率控制技术的提升，很大程度依赖于早期精准的监测和对蜂窝基站流量的预测。分析基站流量数据，主要通过有效提取基站间隐含的时空信息进行流量预测。在本文中，我们通过对华北某大城市的实测数据，进行了基于时空关联性的分析，采用k-NN算法，获取蜂窝网基站间的时间相关性，选择合适的移动窗口大小，并结合了小波-Elman神经网络（ENN）算法来实现流量预测。最后，通过量化蜂窝网流量预测的准确度，并与先前存在的其他方法进行对比，得出了本文提出的方法有优越性。

流量预测；k-NN算法；Elman神经网络；小波变换分析

随着移动用户的快速增长，随之产生的数据流量也爆炸式地增长，据思科近期发布的关于全球移动数据流量预测的白皮书中，预计到2019年，全球移动数据流量的月度数值将会超过24.3 EB/月[1]。尽管目前移动数据流量只占了全球IP流量的一小部分，但其同期增长速度是全球IP无线流量的3倍。届时由智能手机所产生的移动数据总流量将占移动数据总流量的75%。爆炸式的数据流量增长方式给移动运营商对基站资源的有效分配，能源有效利用率的提高提出了巨大的挑战。因此，分析蜂窝网流量数据，并能有效预测未来流量数据对有限资源的优化及节能方面，显得尤为重要。……