CN118828548B 一种基于混合图卷积的同步时空多步流量预测方法 （湖北大学）

一种基于混合图卷积的同步时空多步流量本发明公开了一种基于混合图卷积的同步明通过门控时序卷积网络，细粒度的提取临近基于空域的动态图卷积网络与基于谱域的自适2步骤一、按照蜂窝流量在时序上的周期性与季节特性，将时空数据集步骤二、按照蜂窝流量在空间上的随机性与突发性，将基步骤三、针对图卷积网络过度关注局部特征的问题，在H'=gateoH+(1-gate)ot步骤四、步骤三中同步时空特征融合模块的输出为第l层2.根据权利要求1所述的一种基于混合图卷积的同步时空多步流量预测方法，其特征3.根据权利要求1所述的一种基于混合图卷积的同步时空多步流量预测方法，其特征步骤2.1、基于空域的动态图卷积网络ADGL由动态图GA步骤2.2、基于谱域的自适应图卷积网络SAGL由基于随机节点嵌入法或奇异值分解法4.根据权利要求1所述的一种基于混合图卷积的同步时空多步流量预测方法，其特征5.根据权利要求4所述的一种基于混合图卷积的同步时空多步流量预测方法，其特征36.根据权利要求2所述的一种基于混合图卷积的同步时空多步流量预测方法，其特征时刻后M个时间步的蜂窝流量数据，选择t时刻前临近小时即T个步长的蜂窝流量数据作为h为临近时将蜂窝流量数据划分得到t时刻的数据集合。7.根据权利要求6所述的一种基于混合图卷积的同步时空多步流量预测方法，其特征d为临近天将蜂窝流量数据划分得到t时刻的数据集合。8.根据权利要求7所述的一种基于混合图卷积的同步时空多步流量预测方法，其特征t-24x7xq+1,Xt-24x7xq+2,..,Xt-24x7xq+T),t>7x24xqw为临近周将蜂窝流量数据划分得到t时刻的数据集合。9.根据权利要求8所述的一种基于混合图卷积的同步时空多步流量预测方法，其特征HD和XW∈RLxTxNxF分别输入到局部时序特征提取模块LTFM中，此时4这是因为图卷积网络通过逐层卷积的方式，逐步聚合邻居节点的信息来更新节点的表示，在这个过程中局部信息往往更容易被捕捉和强调，这可能会出现有误差的空间异质性现测方法，该方法使用细粒度时间切片模块提取划分三类不同时间间隔的短时序流量数据，5既是STFM模块的输出同时也是第l层[0021]步骤2.2、基于谱域的自适应图卷积网络SAG6刻前一天同一时刻的蜂窝流量数据作为切片起点，向后切取T个步长的蜂窝流量数据作为7[0041]图1是本发明实施例公开的基于混合图卷积的同步时空多步流量预测模型结构总[0047]本发明由一个时间细粒度切片模块(TimeSliceModule，TSM)和多个SSTHL块堆叠而成，每个SSTHL块由四个部分组成：细粒度时序特征提取模块(TemporalFeature融合模块(Spatio-TemporalFusionModule，STFM)以及最后输出层模块(Output8的二维卷积层(nn.Conv2d)来实现，第一个卷积层输入输出通道数为32，卷积核大小滤波卷积层都输出与输入相同数量的通道数(即dilation_[0069]并行计算完这三个门控组件后由一个多层次感知器(MLP)将结果进[0072]蜂窝流量数据是基于网格区域生成的CDR数据，每一个蜂窝基站覆盖一定地理区9性，利用基于时间序列的相似性系数，使用皮尔逊相关系数可计算得到皮尔逊邻接矩阵由距离邻接矩阵和皮尔逊邻接矩阵通过哈达玛乘积以SDGL使用动态图GAT来进行动态空间特征的聚合，这种近邻的空间特征与具有直观近邻[0076]使用动态图GAT来学习邻近节点间的注意力权重系数以及更新节点的隐藏特征设意力权重，动态图堆叠的深度与GAT的模块数以及层数相关设置为8(blocks＝4,layers=过随机梯度下降进行端到端的自适应学习，让模型自己获取隐藏的随机距离空间依赖关异值分解法(SVD)来更新节点的标识。ReLU函数的作用是去除邻接矩阵中接近零的弱连接值，再通过softmax函数对矩阵归一化处理直接得到而不是像传统图卷积模型中计算对称归一化的拉普拉斯矩阵，因此根据上述公式可推导出第l层SAGL模块的自适应图这是因为图卷积网络通过逐层卷积的方式，逐步聚合邻居节点的信息来更新节点的表示，势，在提取完混合空间特征之后，使用携带历史数据的时间特征动态的校正这种偏差性，既是STFM模块的输出同时也是第l层跃连接的通道数(skip_channels＝256)以及最后一次的通道数(end_channels＝512)。跳跃连接完毕后在使用两个全连接层来实现输出层，最后输出预测的多步结果为M是预测未来的时间步步长。及蜂窝流量(Internet)。米兰数据集以10分钟为时隙间隔统计了100×100个蜂窝基站数能是Internet数据集的自相似性更接近0.5，说明该数据集的数据分布更接近无序的布朗本发明更适合处理具有复杂时空依赖性的蜂窝流[0110]本发明针对无线网络中蜂窝基站流量预测面临的用户移动性与网络调度机制复空域的动态图卷积网络由动态图GAT与多