检索结果-维普期刊中文期刊服务平台

面向6G无线组网的基于GCN-LSTM网络的业务流量预测算法: 1; 作者孙诗蕾徐澍 +1 位作者李春国杨绿溪《数据采集与处理》北大核心 2025年第5期1239-1249,共11页; 随着移动通信技术的飞速发展,无线网络面临着资源分配、流量分析和6G基站优化等多重挑战。对无线网络流量的有效预测,有助于合理地分配网络资源,为用户提供更稳定更高效的服务,保证网络性能。针对目前无线组网流量预测过程中由于时空特... 展开更多; 关键词无线网络流量预测深度学习图卷积神经网络长短期记忆时空特征挖掘; 在线阅读下载PDF 职称材料

基于图WaveNet的电动汽车充电负荷预测被引量：23: 2; 作者胡博张鹏飞 +3 位作者黄恩泽刘璟璐徐健邢作霞《电力系统自动化》 EI CSCD 北大核心 2022年第16期207-213,共7页; 为了更好地挖掘电网-交通网强耦合态势下电动汽车充电负荷的时空动态特征,提高充电负荷预测精度,提出了一种基于图WaveNet的电动汽车充电负荷预测框架。首先,将耦合的电网-交通网中的充电站看作充电负荷节点;然后,把充电站的充电负荷数... 展开更多; 关键词电动汽车充电负荷预测图神经网络图WaveNet 时间卷积网络时空特征挖掘; 在线阅读下载PDF 职称材料

基于生成对抗网络的5G网络流量预测方法被引量：5: 3; 作者高志宇王天荆 +2 位作者汪悦沈航白光伟《计算机科学》 CSCD 北大核心 2022年第4期321-328,共8页; 无线接入用户的需求呈爆炸式增长,5G网络流量呈指数级增长且呈现出多样性、异构性的趋势,使得网络流量预测面临诸多挑战。针对5G网络部署宏基站、微基站与微微基站的多层架构,文中提出基于生成对抗网络(GAN)的流量预测方法。首先,生成... 展开更多; 关键词 5G网络流量预测生成对抗网络时空特征挖掘; 在线阅读下载PDF 职称材料

基于城市区域多模态融合的人群流量预测被引量：3: 4; 作者刘玉强顾晶晶 +1 位作者孙明凌超《郑州大学学报（理学版）》北大核心 2022年第1期25-31,共7页; 提出了一种基于多模态融合的人群流量预测算法(multimodal fusion for crowd flow prediction,MFCFP)。首先使用图卷积算子来探索区域之间的相关性以建立多模态,不同的模态可以捕捉不同的影响因素。然后进行多模态融合,并将带有注意力... 展开更多; 关键词多模态融合热点区域城市计算时空特征数据挖掘; 在线阅读下载PDF 职称材料

题名面向6G无线组网的基于GCN-LSTM网络的业务流量预测算法: 1; 作者孙诗蕾徐澍李春国杨绿溪; 机构东南大学移动通信全国重点实验室; 出处《数据采集与处理》北大核心 2025年第5期1239-1249,共11页; 基金国家重点研发计划(2024YFC3807900,2024YFE0200701) 国家自然科学基金(62171119) 江苏省前沿引领技术基础研究重大项目(BK20222001)。; 文摘随着移动通信技术的飞速发展,无线网络面临着资源分配、流量分析和6G基站优化等多重挑战。对无线网络流量的有效预测,有助于合理地分配网络资源,为用户提供更稳定更高效的服务,保证网络性能。针对目前无线组网流量预测过程中由于时空特征挖掘不充分导致预测准确率较低的问题,开展了基于深度学习方法的智能业务流量预测算法的研究,设计了基于图卷积神经网络-长短期记忆网络(Graph convolutional network-Long short-term memory,GCN-LSTM)模型的预测算法。实验结果显示,该算法在实际网络应用中的准确率为84.71%,相较于其他基于深度学习的流量预测方法,具有显著优势,为6G网络资源的合理分配和高效服务提供了有力支持。; 关键词无线网络流量预测深度学习图卷积神经网络长短期记忆时空特征挖掘; Keywords wireless network traffic prediction deep learning graph convolutional network(GCN) long short-term memory(LSTM) spatial and temporal features mining; 分类号 TN929 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于图WaveNet的电动汽车充电负荷预测被引量：23: 2; 作者胡博张鹏飞黄恩泽刘璟璐徐健邢作霞; 机构沈阳工业大学电气工程学院国网辽宁省电力有限公司国网葫芦岛供电公司; 出处《电力系统自动化》 EI CSCD 北大核心 2022年第16期207-213,共7页; 基金辽宁省“兴辽英才计划”基金资助项目(XLYC1902090)。; 文摘为了更好地挖掘电网-交通网强耦合态势下电动汽车充电负荷的时空动态特征,提高充电负荷预测精度,提出了一种基于图WaveNet的电动汽车充电负荷预测框架。首先,将耦合的电网-交通网中的充电站看作充电负荷节点;然后,把充电站的充电负荷数据作为节点的特征信息,将各个节点构造成一张图,并把蕴含充电负荷空间维信息的图和充电负荷的时间维信息输入自适应图WaveNet框架中进行预测;最后,以中国某市城区内的充电站负荷数据为例,将基于自适应图WaveNet框架的预测结果与现有方法的预测结果进行对比,验证了所提方法的正确性和有效性。; 关键词电动汽车充电负荷预测图神经网络图WaveNet 时间卷积网络时空特征挖掘; Keywords electric vehicle charging load forecasting graph neural network graph WaveNet temporal convolutional network spatial-temporal characteristic mining; 分类号 U491.8 [交通运输工程—交通运输规划与管理] TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于生成对抗网络的5G网络流量预测方法被引量：5: 3; 作者高志宇王天荆汪悦沈航白光伟; 机构南京工业大学计算机科学与技术学院; 出处《计算机科学》 CSCD 北大核心 2022年第4期321-328,共8页; 基金江苏省自然科学基金(BK20201357) 国家教育部产学合作协同育人项目(201902182003) +3 种基金江苏省研究生科研与实践创新计划(SJCX21_0486)。; 文摘无线接入用户的需求呈爆炸式增长,5G网络流量呈指数级增长且呈现出多样性、异构性的趋势,使得网络流量预测面临诸多挑战。针对5G网络部署宏基站、微基站与微微基站的多层架构,文中提出基于生成对抗网络(GAN)的流量预测方法。首先,生成网络分别捕捉流量时空特征与基站类型特征,将拼接特征输入复合残差模块以生成预测流量,并将生成流量输入判别网络;然后,判别网络判断生成流量是真实流量还是预测流量;最后,经过生成网络与判别网络的博弈对抗使生成网络生成高精度的预测流量。实验结果表明,GAN的二维均方根预测误差分别比2DCNN,3DCNN和ConvLSTM降低了58.64%,38.74%和34.88%,具有最优的流量预测性能。; 关键词 5G网络流量预测生成对抗网络时空特征挖掘; Keywords 5G network Traffic prediction Generative adversarial networks Spatial-temporal feature mining; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于城市区域多模态融合的人群流量预测被引量：3: 4; 作者刘玉强顾晶晶孙明凌超; 机构南京航空航天大学计算机科学与技术学院; 出处《郑州大学学报（理学版）》北大核心 2022年第1期25-31,共7页; 基金国家自然科学基金项目(62072235) 南京航空航天大学2020研究生创新基地开放基金项目(Kfjj20191605)。; 文摘提出了一种基于多模态融合的人群流量预测算法(multimodal fusion for crowd flow prediction,MFCFP)。首先使用图卷积算子来探索区域之间的相关性以建立多模态,不同的模态可以捕捉不同的影响因素。然后进行多模态融合,并将带有注意力机制的基于图卷积神经网络应用于本文模型,以更好地建立相关区域关联。在真实数据集的实验证明了所提模型可以准确地预测人群活动流量。; 关键词多模态融合热点区域城市计算时空特征数据挖掘; Keywords multimodal fusion hot spot urban computing spatio-temporal data mining; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	面向6G无线组网的基于GCN-LSTM网络的业务流量预测算法	孙诗蕾徐澍李春国杨绿溪	《数据采集与处理》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于图WaveNet的电动汽车充电负荷预测	胡博张鹏飞黄恩泽刘璟璐徐健邢作霞	《电力系统自动化》 EI CSCD 北大核心	2022	23	在线阅读下载PDF 职称材料
3	基于生成对抗网络的5G网络流量预测方法	高志宇王天荆汪悦沈航白光伟	《计算机科学》 CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
4	基于城市区域多模态融合的人群流量预测	刘玉强顾晶晶孙明凌超	《郑州大学学报（理学版）》北大核心	2022	3	在线阅读下载PDF 职称材料