基于机器学习的5G通信网络资源流量预测与分配研究

5G 通信是现代信息体系的重要基础,由于流量波动较大,建立有效的预测与分配机制对于降低基站负载、提高信息传输效能具有积极意义。文中优化了ER-LSTM 预测算法,采用误差循环的方式引入机器学习架构,旨在提高预测精度,并形成有效的分配机制。研究发现,优化后的算法模型在500~2 500 次循环学习的基础上能实现有效的预测,提高系统承载力,具有推广应用的价值。