基于树型学习算法的短期流量预测研究

作者：李笑雪; 张思凝; 王娅娅; 苗梦凡

来源：电子测试, 2021, (19): 48-50.

DOI：10.16520/j.cnki.1000-8519.2021.19.014

• 极限树
• 梯度提升决策树
• 引导聚集算法
• AdaBoost算法
• 平均绝对误差

随着移动通信技术的发展,4G、5G给人们带来了极大便利。移动互联网飞速发展,移动流量呈现爆炸式增长,基站的流量预测问题变得越来越重要。针对短期流量预测问题,本文在数据集上分别验证了ExtraTrees、Gradient Boosting、Bagging和AdaBoost四种树型学习算法预测的准确性,通过平均绝对误差(Mean Absolute Error,MAE)值衡量预测结果。MAE的值越大,模型准确度越低。实验结果表明GradientBoosting模型的MAE值最小,模型准确度最高,故应用GradientBoosting模型进行了短期流量的预测。

• 单位
  电子信息工程学院; 沈阳航空航天大学