-
公开(公告)号：CN119907013A
公开(公告)日：2025-04-29
申请号：CN202411785760.8
申请日：2024-12-06
Applicant: 复旦大学
Abstract: 本发明公开了一种基于GRUPatch与图神经网络的基站流量预测方法。该方法包括：将长时间序列数据划分为多个短时间序列片段(Patch)，将Patch输入GRU模型提取局部时序特征，通过Attention机制捕捉Patch间关系，提取全局时序特征；结合历史流量数据和基站的地理位置特征，对基站节点进行聚类，构建动态邻接矩阵；基于邻接矩阵，用GNN提取基站间的共享信息和个性化特征，并对这些特征进行融合，以实现高精度流量预测。本发明能够有效捕捉基站流量时序数据中的时间依赖性和不同基站之间的动态关联信息，通过时序特征与空间关联信息的结合，在复杂网络环境中显著提升了基站流量预测的准确性和适应性。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
