基于贝叶斯优化LightGBM算法的主动式搜索时间调整方法

摘要

针对5G配电终端延迟波动较大导致保护闭锁的问题，提出一种基于贝叶斯优化LightGBM算法的主动式搜索时间调整方法。该方法以无线通信终端延迟波动历史数据以及温度、日期时间等特征变量为输入，对延迟进行预测并动态调整设备参数。首先，对原始特征变量进行特征工程预处理，然后同历史延迟数据一并通过LightGBM算法进行数据的拟合，在训练过程中引入贝叶斯优化算法进行参数寻优，并利用最终加权组合，结合终端实时监测延迟进行预测值的调整，最终实现5G终端延迟的高精度预测。以河北南网某5G配网试点的数据进行训练与验证，结果表明所提方法能有效实现延迟预测，较随机森林回归，XGBoost等算法有更高的预测精度。

关键词

贝叶斯优化 / 机器学习 / 5G通信 / 馈线自动化 / 延迟波动 / 短期预测