[发明专利]基于跨层的多维参数的5G网络带宽预测系统及方法

权利要求书

1.一种基于跨层的多维参数的5G网络带宽预测系统，其特征在于，包括：发送端、预测模型以及接收端；

所述发送端采集不同基站服务区的流量数据，进行分类，并选取一组数据发送至预测模型；

所述预测模型训练神经网络进行误差梯度下降时，反馈最新的误差数据给发送端；发送端进行精度分析以确定模型的预测效果和当前的物理层信息，随后对所发数据进行校正；

所述接收端共有两个数据缓冲区，一个用于存储发送端发送给预测模型的实际流量数据，另一个用于存储预测模型所预测的数据；计算两者的MSE大小，再通过查阅奖励值r表，根据MES的大小给出相应的r值，与新预测状态一同反馈给预测网络的神经网络训练部分。

2.根据权利要求1所述的基于跨层的多维参数的5G网络带宽预测系统，其特征在于：

所述发送端传输至预测模型的数据包括：位置信息、无线信号强度以及数据发包量；

所述预测模型采用神经网络预测下一时刻的带宽值以及给出每个预测带宽值的预测价值；当记忆库的存储的数据达到训练条件时，神经网络根据记忆库的打包数据，对预测网络误差下降以及目标网络更新；并选取最优价值对应的预测带宽值报告给接收端；

所述接收端根据接收到的预测带宽值，提供新时刻的状态输入S’，并计算预测值与真实值的MSE大小，根据MSE的奖励规则，输出该预测带宽值MSE所对应的奖励值r；

其中，新时刻的状态值S’用于更新旧状态的观测值S。

3.根据权利要求2所述的基于跨层的多维参数的5G网络带宽预测系统，其特征在于：在所述接收端中的具有存储功能的记忆库，负责存储前N时刻的预测带宽值，当存储数据满足训练条件(N，1)时，记忆库调用当前全部所存信息，打包输送给神经网络进行优化；并且，当下一时刻的数据输入时，新记忆挤掉旧记忆。

4.根据权利要求3所述的基于跨层的多维参数的5G网络带宽预测系统，其特征在于：所述神经网络接收来自记忆库的数据信息，同时根据状态S的物理层信息-基站距离和无线信号强度确定带宽区域，以避免因为位置切换出现突发流量而导致带宽预测失准；确定带宽区域后，确定目标网络的Target Q值，以保持强化学习的稳定性；新状态S’导入预测网络，获取预测值的Q值；通过损失函数来不断降低预测误差，当迭代一定次数N时，满足目标网络更换条件，通过预测网络更新目标网络。

5.一种基于跨层的多维参数的5G网络带宽预测方法，其特征在于，基于如权利要求4所述的基于跨层的多维参数的5G网络带宽预测系统，包括以下步骤：

步骤S1：对神经网络的带宽区间预测部分设置初始区间；根据采集的数据为不同流量波动区域设置区间初始值；输入采集数据，初始状态值S设为采集数据首位；

步骤S2：预测网络根据所接收的数据预测下一时刻的带宽值，并反馈于接收端，与接收端数据存储区下一状态值的带宽值进行比较，计算MSE数值大小；根据计算所得的MSE大小，给出新奖励r；

步骤S3：新状态更新旧状态，同时记忆库存储新旧状态和奖励值；当存储的数据量满足训练条件，记忆库打包发送所存储的数据至神经网络；旧状态输入至预测网络，获取新一时刻的预测值和Q值；其中Q(s,a)←Q(s,a)+α(r+γ*max Q(s',a')-Q(s,a))，γ为学习率；

目标网络得出的未来预测值和目标Q值：Target Q＝r+γ*max Q(s',a')；

与预测值进行误差分析，计算其误差函数：L(θ)＝E[Target Q(s',a')-Q(s,a)]；进行误差梯度下降，从而更新预测参数以训练得到新的预测网络；当训练次数达到N时，即可更新目标网络；

步骤S4：多次输入采集数据，对模型进行训练，使预测网络与目标网络之间的误差函数降低，提高预测精度。

6.根据权利要求5所述的基于跨层的多维参数的5G网络带宽预测方法，其特征在于：学习率γ设置为0.8。

7.根据权利要求5所述的基于跨层的多维参数的5G网络带宽预测方法，其特征在于：在步骤S2中，根据MSE大小设置奖励r值表，数值位于(0，10)设置为5；(10，30)设置为4；(30，60)设置为3；(60，80)设置为3；(80，90)设置为2；(90，100)设置为1；超过100的设置为0。