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：采用图神经网络方法对无线网络基站进行流量预测，首先基于基站地理距离构建预定义网络拓扑图，其次利用GCN提取基站之间的空间依赖关系，然后将结果输入到门控循环单元 GRU 提取基站之间的时间依赖关系，最后通过全连接层对基站未来多个时刻的流量做出精确预测。利用中国联通某市基站数据进行模型验证，实验结果表明，该模型相对于其他主流预测模型进一步降低了预测误差，模型预测准确率大幅度提升。
关键词：图神经网络；流量预测；卷积神经网络；门控循环单元
doi：10.12045/j.issn.1007-3043.2023.06.007
研究背景
为支撑无线网络基站 License 资源动态调配及基站智能节能场景，需要对无线基站未来多个时刻流量做出精准预测，根据预测的结果可以提前部署进行网络资源优化、设备降耗节能以及精准运维。而当前对无线网络基站的通信流量预测主要是单个节点预测，很少考虑节点与节点之间的连接关系，模型的预测准确度不高，严重制约智能化运营策略的实施效能。随着人工智能技术在通信领域的应用愈加广泛，可表示为节点之间复杂关系的拓扑图结构数据要素价值愈发凸显，加上通信网络设备之间天然的拓扑连接结构，图神经网络算法在复杂网络场景下可表现出更优的决策能力，大幅度提高网络智能运营效能。
