本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：通过收集某小区7个月内小时粒度的业务数据，引入LSTM算法和Seq2Seq算法，预测未来72h、168h及336h的下行PRB平均利用率及空口总业务量，并对预测结果分析，提出目前所存在的问题及未来规划，指出在未来数据充足的情况下可利用更多数据特征进行大区域多尺度多粒度的业务数据预测并指导网络资源调度及规划设计等。
关键词：业务预测算法；网优；扩容；人工智能
doi：10.12045/j.issn.1007-3043.2021.12.012
概述
在网络建设中，需要根据用户数和业务量的预测进行规划设计，使网络既能够满足业务发展的需求，又能合理控制建设成本，近年来，不限量套餐的推出使得业务量激增，在业务量激增的前提下能及时保证用户的容量需求是容量优化及规划的关键，网络容量的优化工作受到了挑战。业务预测是指对未来一段时间内业务量的预测，对业务预测算法的研究可以有效地在业务量激增情况下进行容量优化及规划工作，另外，随着5G时代的到来，业务预测算法有望在5G时代指导网络优化、规划。
在当前一波人工智能浪潮下，神经网络理论与实践得到不断发展，越来越多先进的人工智能算法被应用于工业与信息领域，为海量数据的分析和使用提供了便利。而每个小区都会记录过去一段时间内的业务数据情况，这为人工智能与业务数据的结合提供了基础。
因此本文引入了当前流行的时间序列预测算法：LSTM算法和Seq2Seq算法，并结合某小区7个月内的业务数据分别对下行PRB平均利用率和空口总业务量进行未来72h、168h及336h的预测。
