改进GAN模型在基站流量预测及5G节能中的应用

摘要

【目的】为了更精准地预测5G基站的流量，分析潮汐现象，提出一种优化的生成对抗网络(generative adversarial network, GAN)模型流量预测方法，并将其用于实际基站的定时控制中。【方法】GAN的生成器利用差分演化灰狼算法优化长短时记忆网络(long short term memory networks, LSTM),判别器使用门控循环神经网络(gated recurrent unit, GRU)进行判别，生成器和判别器利用不断地对抗训练达到均衡从而提高了5G基站流量的预测精度；其次，利用改进人工蜂群优化k-means++算法，将其用于输出最优基站定时时间，达到最大限度节能的目的。【结果】实验结果表明，与现有模型相比，所提预测模型有更高的预测精度，定时控制功能可极大地节约能耗。

关键词

基站流量 / 改进循环神经网络 / GAN网络 / 智能优化算法 / k-means++算法