[发明专利]基于图神经网络的5G连通簇基站群流量预测方法及系统

权利要求书

1.一种基于图神经网络的5G连通簇基站群流量预测方法，其特征在于，包括：

获取5G连通簇中每个基站的流量原始时间序列；

基于所述流量原始时间序列构建多阶模糊认知图；

基于得到的每阶模糊认知图，利用图神经网络模型生成包含丰富空间信息的模糊认知图节点嵌入序列；

基于获得的节点嵌入序列，利用时序卷积模型建立时序关系，实现对5G连通簇中多个基站的流量时间序列的预测。

2.如权利要求1所述的一种基于图神经网络的5G连通簇基站群流量预测方法，其特征在于，所述多阶模糊认知图的构建，具体包括：将每个基站特定时刻的流量数据作为模糊认知图的概念节点，连通簇中的每个基站间的关联程度作为模糊认知图的权值有向边，其中，k阶模糊认知图的迭代公式具体表示如下：

其中，A_i(t)表示第i个基站节点在第t时刻的流量数据，σ为激活函数，表示在第k阶模糊认知图中，基站节点j到基站节点i的权值。

3.如权利要求2所述的一种基于图神经网络的5G连通簇基站群流量预测方法，其特征在于，所述基站间的关联程度的计算，具体为：通过模糊认知图学习得到的权重矩阵对基站间的关联程度进行表示。

4.如权利要求1所述的一种基于图神经网络的5G连通簇基站群流量预测方法，其特征在于，所述利用图神经网络模型生成包含丰富空间信息的模糊认知图节点嵌入，具体包括：分别将每阶模糊认知图输入图神经网络模型中，获得模糊认知图中每个节点与其他节点经过特征融合后得到的抽象空间特征向量。

5.如权利要求1所述的一种基于图神经网络的5G连通簇基站群流量预测方法，其特征在于，所述图神经网络模型具体包括若干密集连接图卷积神经网络，其中，每个密集连接图卷积神经网络具有两层图卷积层，且所述密集连接图卷积神经网络的个数与模糊认知图的阶数一致。

6.如权利要求1所述的一种基于图神经网络的5G连通簇基站群流量预测方法，其特征在于，所述时序卷积模型由若干残差块组成，其中，每个残差块包括两层空洞卷积层。

7.如权利要求6所述的一种基于图神经网络的5G连通簇基站群流量预测方法，其特征在于，所述时序卷积模型的最后一个残差块连接有全连接层，通过所述全连接层输出5G连通簇中基站下一时刻的流量预测值。

8.一种基于图神经网络的5G连通簇基站群流量预测系统，其特征在于，包括：

数据获取单元，其用于获取5G连通簇中每个基站的流量原始时间序列；

模糊认知图构建单元，其用于基于所述流量原始时间序列构建多阶模糊认知图；

节点嵌入单元，其用于基于得到的每阶模糊认知图，利用图神经网络模型生成包含丰富空间信息的模糊认知图节点嵌入；

预测单元，其用于基于获得的节点嵌入，利用时序卷积模型建立时序关系，实现对5G连通簇中多个基站的流量时间序列的预测。

9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种基于图神经网络的5G连通簇基站群流量预测方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于图神经网络的5G连通簇基站群流量预测方法。