5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

3G分组域核心网设备性能评估研究

由于无线带宽的增加,在3G网络中可以实现更多的数据业务,这些数据业务的逐渐引入将会对分组域核心网设备产生更多的性能压力;另外,业务种类的增多以及业务部署的周期逐渐缩短也会导致话务模型的复杂度和时变性增大,对设备在不同情况下的性能表现提出了新的挑战.这些都要求对3G分组域核心网设备进行科学的评估,以推动设备性能的优化,最大程度地保障网络和业务质量.本文对3G分组域核心网设备的性能评估方法做了系统的描述,并结合实际测试中发现的问题,对今后工作提出了参考建议.