目录
2023年11月13日
调研WOS中的流量预测论文
TS =( traffic forcasting OR traffic prediction) AND IS = (…)10以上的影响因子
plus 2020年以后
阅读文章1:
Assisting Intelligent Wireless Networks with Traffic Prediction: Exploring and Exploiting Predictive Causality in Wireless Traffic
中文翻译:协助智能无线网络流量预测: 探索和利用无线流量预测中的因果关系
J. Wen, M. Sheng, J. Li and K. Huang, “Assisting Intelligent Wireless Networks with Traffic Prediction: Exploring and Exploiting Predictive Causality in Wireless Traffic,” in IEEE Communications Magazine, vol. 58, no. 6, pp. 26-31, June 2020, doi: 10.1109/MCOM.001.1900211.
IEEE Communications Magazine if:11.2
精读CSDN链接:1_文献阅读_Assisting Intelligent Wireless Networks with Traffic Prediction
2023年11月17日
调研预测的指标:MSE/RMSE/NRMSE/MAE/MAPE
2023年11月26日
知网文献阅读(毕业论文)
文献1_异构蜂窝网络的资源管控技术
[1]李剑飞. 异构蜂窝网络的资源管控技术[D].西安电子科技大学,2023.DOI:10.27389/d.cnki.gxadu.2022.000059.
- 一些我不懂的概念:
- 调度缓冲区:
- 通信链路中的调度缓冲区通常由硬件实现,用于处理输入和输出之间的数据交换。当数据包到达通信设备时,它们被存储在调度缓冲区中,等待被发送到目标设备。调度缓冲区允许设备在数据包到达速率和目标设备处理速率之间进行协调,确保数据的有序传输,并避免数据丢失或拥塞。
- 栗子 :考虑一个以太网交换机作为通信链路的例子。当多个数据包同时到达交换机时,它们将被存储在调度缓冲区中。通过使用调度算法(如先进先出、公平队列算法等),交换机可以决定下一个要发送的数据包,并将其从缓冲区发送到适当的输出端口。这样可以确保数据包的有序传输,避免数据冲突和丢失。
- 每个基站分配回程带宽的模块——回程带宽分配器
- 在一个移动通信网中,每个基站需要连接到核心网,以便进行用户流量的转发和控制信令的传输。回程带宽分配器可以根据不同的基站位置和网络拓扑结构,为每个基站分配不同的回程带宽资源,以确保数据传输的质量和效率。
- 回程带宽分配器通常采用一定的调度算法来分配带宽资源,如最小带宽保障、公平调度等算法。这些算法可以确保基站之间的带宽资源分配公平和合理,同时避免过度拥塞和资源浪费。
- 提出的问题和解决方案:
- 问题1: 针对业务非饱和时调度缓冲区为空的链路,会造成异构网络资源利用率下降
- 解决方案:两种场景下的调度算法
- 在基站的下行链路(一跳)中,提出了具有QoS感知能力的调度算法,提高了高优先级用户的调度概率,降低了低优先级用户的服务响应速度。对于优先级相同的用户,数据包到达速率较高的用户,其调度优先级也较高。
- 与轮询算法相比,网络具有为不同类型的用户提供差异化服务的能力。
- 在终端直通或中继通信链路(两跳)中,我们赋予源到中继节点(S-R, Source-to-Relay)和中继到目的节点(R-D, Relay-to-Destination)链路以不同的优先级,并优先考虑利用R-D 链路进行数据传输。如果没有合适的R-D链路可用,则根据缓冲区的剩余空间长度来计算S-R链路的权重,权重较大的链路具有较高的传输优先级。
- 将本文算法与没有考虑权重的算法进行了比较,实验结果表明,本文算法有效地提高了网络吞吐率等性能指标。
- 解决方案:两种场景下的调度算法
- 问题2: 针对密集异构蜂窝网络中资源管控算法复杂问题
- 解决方案:分簇算法、能够达到频段间和基站间负载均衡的用户关联与基站时频资源分配算法、扩展的惩罚因子法和凸函数差规划,以及惩罚函数和Marks-Wright 算法进行求解
- 分簇:以SINR为优化对象,根据基准基站及簇内最大用户数完成分簇。
- 用户关联和资源分配:考虑到用户的QoS需求与权重,以及基站的回程带宽约束
- 以分贝SINR 为优化对象的分簇方法,本文算法具有更高的稳定性和实用性;
- 相对于K-means 分簇方法,所提算法的网络性能更好
- 与三种同类算法相比,本文的用户关联算法不但避免了用户过于向某些基站、某些频段集中,还有效地提高了网络总速率。
- 问题3: 回程资源受限的异构蜂窝网络中,无线业务的高动态性所形成的资源浪
费、高能耗问题- 解决方案:根据流量预测结果为每个基站分配回程带宽的智能功率控制算法。
- 在预测模型中,我们利用自相关系数的方差来分析基站流量的稳定性,并设定一个门限值。
- 稳定性较好,采用简单快速的历史均值预测法完成预测
- 稳定性较差,则利用长短期记忆模型来预测
- 在满足用户最小接收SINR、基站回程带宽等约束条件下完成功率控制,达到网络总速率与总能耗之间的权重折中。
文献2_基于机器学习的无线网络负载方法研究
[1]徐越. 基于机器学习的无线网络负载优化方法研究[D].北京邮电大学,2021.DOI:10.26969/d.cnki.gbydu.2020.000190.
提出的问题和解决方案:
无线流量预测可辅助无线网络提前估计流量变化,设计流量自适应的优化策略,如流量自适应的负载均衡、基站休眠等 ),因而是实现智能无线网络自适应优化的关键性技术
感觉没啥新东西、过
文献3_基于时空特征的网络流量智能预测方法研究
[1]王钰玥. 基于时空特征的网络流量智能预测方法研究[D].南京信息工程大学,2023.DOI:10.27248/d.cnki.gnjqc.2023.001312.
搞不懂可解释性是怎么加入流量预测:让我康康
- 将先验知识融合进现有的深度学习模型
- 融合先验知识的主流算法有以下两种
- Adarsh 等人[62]提出将含有先验知识的模型驱动方法作为预处理以此改进机器学习算法,然而这种方法过于依赖人为确定的超参数、转换时容易出现信息的缺失。在深度学习模型提取特征时完全不考虑先验知识是不明智的 。(啥意思没看懂)
- Xie等人[63]提出将先验知识的模型驱动方法作为模型的中间结构,利用先验知识去改变网
络的部分结构,该方法能够有效的将先验知识和数据融合。 - 自相似性是网络流量时间尺度上最为显著的特征,无论网络的拓扑结构、网络用户的数量和网络服务类型如何变化,网络流量在统计特性上都会表现出自相似特性,因此,可以考虑将网络流量的自相似特性作为一种时间特征上的先验知识,将其融合进深度学习训练过程中,从而去指导网络流量的预测。
- 融合先验知识的主流算法有以下两种
2023年12月11日
今天我要回答:
- 流量预测的数据集有哪些
- 时序预测的模型都有哪些
- 对应的性能比较
2023年12月18日
-
确定要学习的kaggle项目(要求:时间序列预测、模型性能比较、加模块的方法、完善的文字说明)
-
Predict Future Sales:LSTM autoencoders
-
Store Sales:这是一个时间序列预测的竞赛,里面有很多代码
-
-
web traffic :竞赛
-
发现了一个5G流量数据集:
click here里面都是视频流量数据