【技术实现步骤摘要】
本专利技术提出一种基于自适应提升的5g网络带宽预测方法和装置。该专利技术在5g网络稳定和由于网络拥塞、用户移动、天气条件、用户应用需求变化等原因引发的网络波动下，都可以准确地预测移动用户的实时5g网络带宽。
技术介绍
1、随着第五代移动通信技术(5g)的问世，其宽通道带宽、高数据传输速率等特点给视频直播、虚拟现实和全息视频流等沉浸式个人业务带来了关键性的发展机遇。5g技术在近年来中得到广泛应用，它以更好的性能和更高的效率可以显著改善移动用户体验。然而由于网络拥塞、用户移动、天气条件、用户应用需求变化等原因，用户在享受沉浸式个人业务时容易突发带宽波动，从而导致网络堵塞，影响用户使用。因此如何提前预测可用宽带从而方便应用控制发包速度是一个重要的问题。由于5g更高的数据速率、更多的天线和更强大的无线电频率模块，其网络带宽的波动变化愈发成为了一个重要的研究课题。
2、蜂窝网络中现有的短期带宽预测方法可以分为基于时间序列的预测模型和基于机器学习的回归模型。前者将过去时间序列的吞吐量用作模型输入，而后者则更进一步使用终端设备信息以训练回归模型。但是，这两种方法在应用于负责波动的5g蜂窝网络时都存在一定的问题。前者会受到波动的物理层终端信息的影响，具有相对较差的预测准确性。后者在5g蜂窝网络吞吐量变化频繁的波动场景下，5g网络带宽预测准确率大幅度降低。
技术实现思路
1、本专利技术要克服现有技术的上述缺点，提供一种基于自适应提升的5g网络带宽预测方法和装置，以满足不断变化的网络条件。
2、为实现以上目的，本专利技术所采取的技术方案是：一种基于自适应提升的5g网络带宽预测方法，同时也是一种基于鲍克斯-詹金斯模型的网络波动状态下5g网络带宽预测修正方法。
3、本专利技术的第一个方面涉及一种基于自适应提升的5g网络带宽预测方法，包括以下步骤：
4、(1)用户信息收集。本专利技术采集用户相关时间序列信息以用于5g网络带宽预测，主要包括：用户历史网络流量数据(峰值时段、5g应用类型、历史网络带宽数据等)、用户连接的5g接入点信息、以及终端网络特征信息(rsrp、rspq、rssi、sinr、pdcp、prb、mcs等)。随后，本专利技术对数据进行预处理，包括数据清洗、异常检测和特征提取等。
5、(2)用户数据特征工程。从前述用户数据信息中提取相关特征，这些特征可能包括时间戳、用户位置、网络拓扑、用户数等。创建合适的特征集以用于自适应提升算法。
6、(3)基于自适应提升方法的带宽预测。选择决策树作为弱分类器，并利用adaboost算法将弱分类器耦合成一个强分类器，通过加权投票的方式来进行带宽预测。本专利技术使用adaboost预测下一个时刻的可用带宽，并进行模型性能自适应提升。
7、(4)当带宽预测值与实际值偏差较大时，采用鲍克斯-詹金斯算法修正5g带宽预测值。本专利技术采用网络波动窗口时间内的真实带宽值来训练鲍克斯-詹金斯预测模型，并采用鲍克斯-詹金斯模型预测下一时刻的5g带宽。
8、本专利技术的第二个方面涉及一种基于自适应提升算法的5g网络带宽预测装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现本专利技术的一种基于自适应提升算法的5g网络带宽预测方法。
9、本专利技术的第三个方面涉及一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现本专利技术的一种基于自适应提升算法的5g网络带宽预测方法。
10、本专利技术利用自适应提升算法预测用户终端的5g网络带宽，这是因为这一轻量级的方法在网络变化不大时具有较好的预测效果，且资源占用较小。一旦检测到显著的网络波动，本专利技术切换到鲍克斯-詹金斯方法，以预测复杂变化的网络环境下的5g网络带宽。这是因为鲍克斯-詹金斯方法在波动的网络环境下具有更好的网络带宽预测效果。之后每隔一段时间，本专利技术会检查网络是否仍显著波动，若网络仍显著波动，则依然使用鲍克斯-詹金斯方法预测网络带宽，反之则使用自适应提升方法预测5g网络带宽。
11、与现有技术相比，本专利技术的有益效果是：在用户在5g网络稳定和由于网络拥塞、用户移动、天气条件、用户应用需求变化等原因引发的网络波动下，都可以较好的预测5g网络带宽，并且不会带来太多的计算开销。
本文档来自技高网...【技术保护点】
1.一种基于自适应提升算法的5G网络带宽预测方法，其特征在于，包含如下步骤：
2.如权利要求1所述的一种基于自适应提升算法的5G网络带宽预测方法，其特征在于，步骤(1)具体包括：
3.如权利要求1所述的一种基于自适应提升算法的5G网络带宽预测方法，其特征在于，步骤(2)具体包括：
4.如权利要求3所述的一种基于自适应提升算法的5G网络带宽预测方法，其特征在于，步骤(2.3)中选择重要性位于前70％的特征用于5G网络带宽预测。
5.如权利要求1所述的一种基于自适应提升算法的5G网络带宽预测方法，其特征在于，步骤(3)具体包括：(3.1)训练特征输入；收集和准备前述步骤中选择的用于5G网络带宽预测的特征向量，这将作为训练模型的基础；
6.如权利要求1所述的一种基于自适应提升算法的5G网络带宽预测方法，其特征在于，步骤(4)具体包括：
7.如权利要求6所述的一种基于自适应提升算法的5G网络带宽预测方法，其特征在于，步骤(4.1)中将每隔一段时间窗口Tthreshold设置为30秒。
8.如权利要求6所述
9.一种基于自适应提升算法的5G网络带宽预测装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-8中任一项所述的一种基于自适应提升算法的5G网络带宽预测方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-8中任一项所述的一种基于自适应提升算法的5G网络带宽预测方法。
...【技术特征摘要】
1.一种基于自适应提升算法的5g网络带宽预测方法，其特征在于，包含如下步骤：
2.如权利要求1所述的一种基于自适应提升算法的5g网络带宽预测方法，其特征在于，步骤(1)具体包括：
3.如权利要求1所述的一种基于自适应提升算法的5g网络带宽预测方法，其特征在于，步骤(2)具体包括：
4.如权利要求3所述的一种基于自适应提升算法的5g网络带宽预测方法，其特征在于，步骤(2.3)中选择重要性位于前70％的特征用于5g网络带宽预测。
5.如权利要求1所述的一种基于自适应提升算法的5g网络带宽预测方法，其特征在于，步骤(3)具体包括：(3.1)训练特征输入；收集和准备前述步骤中选择的用于5g网络带宽预测的特征向量，这将作为训练模型的基础；
6.如权利要求1所述的一种基于自适应提升算法的5g网络带宽预测方法，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。