一种优化的GAN模型在5G节能定时中的应用

作者：王素英; 贾海蓉^*; 申陈宁; 吴永强; 刘君

来源：太原理工大学学报, 2023, 1-9.

• 基站流量
• 改进循环神经网络
• GAN网络
• 智能优化算法
• k-means++算法

为了更精准地预测5G基站的流量，分析潮汐现象，提出一种用差分算法改进灰狼优化长短期记忆网络（Long Short Term Memory networks，LSTM）的生成对抗网络（Generative Adversarial Network，GAN）模型流量预测方法，并将其用于实际基站的定时控制中，能有效的节约基站能耗。首先，由于GAN对时间序列的处理不具有适应性，而LSTM适合处理时间序列问题，所以GAN的生成器利用差分算法改进灰狼优化LSTM，判别器使用门控循环神经网络（Gated Recurrent Unit，GRU）进行判别，生成器和判别器利用不断的对抗训练达到均衡从而提高了5G基站流量的预测精度。其次，由于k-means++算法全局搜索能力差，利用改进人工蜂群优化k-means++算法，将其用于输出最优基站定时时间，达到最大限度节能的目的。实验结果表明，与现有模型相比，所提预测模型有更高的预测精度，定时控制功能可极大地节约能耗。

• 单位
  太原理工大学