基于时空特征的无线网络流量预测方法

无线网络流量分布具有空间上和时间上的特征，针对传统预测方法对流量分布空间特征的利用不足问题，提出三维卷积神经网络(3D-CNN)和长短期记忆网络(LSTM)相结合的无线网络流量预测模型。首先通过3D-CNN挖掘流量数据的局部时空关联性，并利用空间注意力机制完善全局空间关联的提取；然后使用LSTM模型对抽象时空特征进行训练，并加入了注意力机制缓解循环神经网络的遗忘现象带来的信息损耗。运用此方法对"意大利电信大数据挑战赛"的公开数据集进行训练，其均方根误差(RMSE)和平均绝对误差(MAE)分别降至5.17和3.32,明显优于其他对比预测模型。