VoLTE业务IP承载网潮汐流量预测模型建模与分析

发布时间：2025-01-15 10:31

　　 随着运营商VoLTE网络用户数的不断提升及业务应用场景的不断丰富,业务流量也呈高速增长趋势。IP承载网作为VoLTE业务主要承载网络,面对业务的高速发展,网络拥塞及服务质量较低问题逐渐凸显,潮汐网络现象日益严重。针对VoLTE用户服务质量要求和合理的调配资源和负载需求,提出基于注意力机制的BP-ANN神经网络模型,并考虑对流量数据的时间上的相关性,实现对IP承载网流量的预测。仿真结果表明,流量预测准确率基本达到85%以上。

【文章页数】：9 页

【部分图文】：

图4 ReLu函数

ReLu函数如图4所示。ReLu函数为:

图1 IP承载网分区域的拓扑模型结构

在城市中,一般工作区相对较为集中,而住宅区可能相对更加分散,并且占据的节点更多,峰值的业务量更大。为了模拟IP承载网光网络各个节点的流量和负载情况,要符合之前所说的要求。基于此,将IP承载网的光层抽象为如图1所示的拓扑模型。由图1可以看出,1,2,3,4这4个节点作为商业区的用户....

图2 BP神经网络模型

为了提高准确率,减小算法的误差,还需要反向对数据进行处理,基于此,本文提出BP模型,用于计算ANN网络中各级的权重。该算法通过逆向的误差传播,反向训练其中的隐藏层和输入层的神经元,借由其拥有的自我学习、自我调整能力实现获得各层的偏重,最终使输出迫近期望。一般的BP神经网络模型如图....

图3 Sigmoid函数图像

Sigmoid函数图像如图3所示,Sigmoid函数为:

本文编号：4027269