用于短期移动流量预测的Block Regression模型
网络与互联网体系结构
2016-11-17 v1 机器学习
摘要
准确的移动流量预测对于高效的网络规划与运营十分重要。然而，现有的流量预测模型复杂度高，使得预测过程缓慢且成本高昂。在本文中，我们分析了移动流量的一些特征，如周期性、空间相似性和短期相关性。基于这些特征，我们提出了一种\emph{Block Regression} ({BR})模型用于移动流量预测。该模型采用季节差分以考虑移动流量在时间上的重复特性。我们的{BR}模型的关键特征之一在于其低复杂度，因为它为所有基站构建单一模型。我们基于真实流量数据评估{BR}模型的准确性，并与现有模型进行比较。结果表明，我们的{BR}模型具有与现有模型同等的准确性，但复杂度大大降低。
引用
@article{arxiv.1511.05612,
title = {A Block Regression Model for Short-Term Mobile Traffic Forecasting},
author = {Huimin Pan and Jingchu Liu and Sheng Zhou and Zhisheng Niu},
journal= {arXiv preprint arXiv:1511.05612},
year = {2016}
}
备注
5 pages, 6 figures. IEEE/CIC ICCC'15