论 PRB 负载不确定性预测对可持续开放 RAN 的影响
网络与互联网体系结构
2024-07-22 v1 人工智能
分布式、并行与集群计算
信息论
机器学习
math.IT
摘要
向可持续的开放无线接入网（O-RAN）架构的过渡给资源管理带来了新的挑战，尤其是在预测物理资源块（PRB）利用率方面。在本文中，我们提出了一种使用概率预测技术来表征 PRB 负载的新方法。首先，我们提供了 O-RAN 架构和组件的背景信息，并强调了能耗/功耗模型对于可持续实施的重要性。问题陈述强调了准确预测 PRB 负载以优化资源分配和电源效率的必要性。然后，我们研究了概率预测技术，包括简单前馈网络（SFF）、DeepAR 和 Transformer，并讨论了它们的似然模型假设。仿真结果表明，与基于 SFF 和 Transformer 的模型相比，DeepAR 估计器预测 PRB 的不确定性更小，并能有效捕捉数据集中的时间依赖性，从而实现节能。不同的百分位数选择也可以增加节能效果，但代价是过度/不足的资源配置。同时，长短期记忆网络（LSTM）的性能在所有误差指标上都逊于概率估计器。最后，我们阐述了基于概率预测的表征对于可持续 O-RAN 实现的重要性，并指出了未来研究的方向。
引用
@article{arxiv.2407.14400,
title = {On the Impact of PRB Load Uncertainty Forecasting for Sustainable Open RAN},
author = {Vaishnavi Kasuluru and Luis Blanco and Cristian J. Vaca-Rubio and Engin Zeydan},
journal= {arXiv preprint arXiv:2407.14400},
year = {2024}
}