高话务密度区的网络容量及资源评估方法探讨

文章主要介绍利用信息技术分析解决蜂窝网络容量及资源评估的方法,针对网络频率规划,话务数据、网络无线性能数据、基站运维数据,利用数据仓库和数据挖掘技术对数据进行处理,有效对网络容量及资源利用状况进行分析。提供网络负荷及话务发展预测,依据话务分布及话务增长数据,评估现有信道资源使用状况。解决好网络质量中的网络容量和资源利用的问题。     

高话务密度区的网络容量及资源评估方法深讨

文童主要介绍利用信息技术分析解决蜂窝网络容量及资源评估的方法．针对网络频率规划，话务数据，网络无线性能数据，基站运维数据．利用数据仓库和数据挖掘技术对数据进行处理，有效对网络容量及资源利用状况进行分析。提供网络负荷及话务发展预测，依据话务分布及话务增长数据．评估现有信道资源使用状况。解决好网络质量中的网络容量和资源利用的问题。     

基于时间序列的移动通信话务预测

文章根据话务量时间序列，对比研究了自回归、指数回归和多项式拟合等话务预测技术。并结合实际话务进行了相关验证，得出了结论：基于实际话务时间序列的预测方法可以对移动通信网络的话务进行比较准确的预测。     

自适应话务预测方法研究

文章通过傅里叶变换对历史话务进行数字信号分析,得到了话务信号的主要波动特征,在此基础上对话务数据建立了三种不同的线性描述模型,提出了平日和节假日条件下的自适应话务预测方法,利用历史话务对各种预测方法进行了验证分析。     

一种移动网络节假日网元级话务预测模型

本文主要建立了一种移动网络节假日两级因子话务预测模型,可以借鉴往年网络话务模型来对当年的节假日话务进行预测,为移动网络节假日话务预测的程序实现提供了一种方法,可以有效节省繁重的数据预测工作。该模型可以有效规避频繁工程变化对网元预测的影响,在实际使用中获得了很好的预测精度。     

基于BP神经网络的4G话务预测方法研究

目前常用的话务预测算法主要有移动平均法和指数平滑法,虽然可以达到一定精度的话务趋势预测,但对于短期话务量的周期性变化,例如潮汐效应等场景,传统的话务预测算法存在一定的缺陷。因此需要运用BP神经网络算法,进行更为精准智能的话务预测,以便支撑目前广东公司正在试点的载波动态调度,为潮汐载波调度提供算法依据。本文将对BP神经网络用于话务预测进行研究,并对模型的预测性能进行评价。     

无线网络中的数据仓库技术研究

本文主要介绍数据仓库技术是解决无线网络中的使用报告的性能及灵活性问题的一种新方法 ,这种技术从无线网络收集话务数据 ,并提供使用报告和使用预测。     

CDMA 3G数据业务模型分析和预测

文章从话务使用模型和业务传输模型两个方面分析了CDMA3G网络的主要数据业务类型,明确了数据业务模型分析和预测的目标;在此基础上针对当前CDMA网络网管系统数据提取现状,结合实际话务情况,提出了优化的CDMA业务模型分析方法和预测思路。     

GSM无线网络的热点区域专题规划研究

近年来我国各大城市都有大量用于公共设施、重大交通项目和市政设施的建设用地.针对这些区域的网络规划需求,提出了一种利用链路预算和话务预测相结合,综合考虑语音业务与分组数据业务需求的针对未来话务热点的GSM网络规划方法.实践证明,该规划方法对未来话务热点的网络建设有重要的指导意义.     

解决移动电话网高话务区容量的技术手段

深圳是一个面积小、人口集中、高层楼宇多、移动用户密度很高的城市。这样的城市要进一步发展移动通信，解决高话务地区的容量问题是关键。我们在认真分析了高话务地区的话务数据，对话务模式作出科学预测的同时，采用新技术、新手段取得了一定的成效。１ＭＲＰ技术ＭＲＰ...     

基于ARMA模型的网络流量预测

针对海量网络数据的特性,基于数据分割,用分段ARMA模型建立了网络流量的时间预测模型。以向后1 h的流量预测确定了ARMA(3,2)模型的预测参数,仿真分析与NetFlow实测数据对比表明,该预测模型的预测精度高、误差小,能够较好的进行网络流量的短期预测。     

基于多Agent的交通信息智能预测系统的研究

城市交通控制和诱导系统是智能交通系统(Intelligent Transport System,ITS)的组成部分,而交通流预测特别是短时交通流预测是城市交通控制与交通诱导系统的基础。由于缺乏交通量预测所需历史数据以及判断影响交通量生成与增长因素的准确性不够,致使道路交通量的预测结果与实际值产生了较大差异。论述了灰色模型(Gray Model,GM)以及多Agent理论在交通量智能预测中的方法和应用技术。该方法利用多Agent间的相互通信、协作功能以及灰色模型的累加生成手段和微分方程描述,在一定预测时段内保证了预测数据良好的准确性和实用性。     

改进的基于时变FARIMA模型和小波变换的网络流量预测算法

网络的流量特性是反映网络实时状态的一个重要特征,对于网络流量的分析、预测一直是该领域的研究热点。传统的基于时间序列模型的方法在计算效率和多尺度分析能力方面存在一定的局限性。本文提出了一种改进的基于小波变换和时变FARIMA模型的流量预测方法,利用小波变换的多尺度分析特性将原有的流量数据进行分解,在使用时变FARIMA模型进行预测,可大大提高算法的执行效率和预测的准确性。最后,本文选取了Bellcore提供的真实的网络流量进行了仿真实验,验证了提出的预测方法的准确性和有效性。     

面向工程建设决策的移动话务量预测研究

随着通信网应用和规模的不断增加,新一代的网络建设规模对业务量的预测也提出了新的需求,其中通信话务量的预测分析已经成为其中非常重要的一部分。准确的话务量预测对网络管理、规划和设计具有重要意义。文章旨在对移动网络中的话务量随时间或事件变化的特性进行分析研究,建立合理科学的话务模型,并采用综合的预测方法进行预测研究。从而辅助通信运营商实时把握用户的行为习惯和话务量的发展趋势,并进行合理决策和投资。     

改进的变权组合业务量预测应用方法

对预测误差平方和最小为原则的固定权重最优组合预测模型进行改进,提出了一种应用于移动通信网业务量预测的变权组合预测方法。通过4种预测方法对某地业务量进行预测并比较其精确度,结果表明改进的变权组合预测方法取得了较高的预测精确度。     

认知网络中基于蚁群算法的网络流量预测模型

认知网络能够感知外部环境,并能根据周围环境的变化智能、自主、自适应的动态变化,这种特性更适合为用户提供QoS(Quality of Service)保障.设计高精度的流量预测模型,可以提高认知网络的认知特性.本文针对原有预测模型预测精度低、对训练数据依赖程度高以及不能很好的刻画网络流量特征的不足,提出了一个混合的流量预测模型.它使用蚁群算法训练BP网络的权值,避免了梯度下降法收敛速度慢、容易陷入局部最优的问题.并且在预测之前,首先使用BP(Back Propagation)网络剔除原始数据中的异常数据信号,再对其进行小波分解,最后使用混合模型预测网络流量,实现了认知网络中高精度的流量预测.     

高性能舰船姿态信息模拟器的硬件设计

介绍了一种全新高性能舰船姿态信息模拟器,实现了三种不同的对外通讯接口：网络、串行ＲＳ－４２２、自整角机或旋转变压器式模拟通道,分析了舰船姿态数据组在三种不同界面之间高速交换电路的可行性,并最终完成了ＰＣ机、单片机、模拟通道模块组之间实时信息传递的硬件设计。     

Traffic modelling and forecasting using genetic algorithms for next-generation cognitive radio applications

This article presents a genetic-algorithm-based prediction model for forecasting traffic demands of next-generation wireless networks that are expected to be chaotic in nature. The model approximates the best-fit mathematical equation that generates a given time series using a genetic algorithm. It estimates future traffic in wireless networks using the most recent traffic data points collected from the actual network. Such estimations will be beneficial for network operators helping to manage and optimise the limited radio resources efficiently and eventually to facilitate cognitive radio applications. The new model is compared with conventional regressions analysis and exponential smoothing models, and it has been found that the genetic algorithm model successfully recovers the underlying mathematical expression describing chaotic time series in less than 200 generations and the predictions achieved are by far better than those of regression and exponential smoothing models. The model also offers benefits for in cognitive communication systems with their intrinsic learning capabilities and distributed access decisions.     

The Research and Application of ATM Testing

The Research and Application of ATM Testing     

组合神经网络的网络流量预测研究

提出一种组合神经网络的网络流量预测模型.首先采用SMOF网络对网络流量数据进行聚类,然后采用Elman网络对聚类后的流量数据进行训练并预测,同时采用遗传算法对Elman网络的网络结构进行优化,提高网络流量预测精度.仿真结果表明,组合神经网络加快了网络流量预测速度,提高了网络流量预测精度,克服了单一预测模型不足,为网络流量预测提供了新的思路,具有很好的应用前景.