一种基于GRNN模型的5G基站电磁辐射预测方法

作者:周晓雅; 石丹; 张朋; 马红兵; 钟志刚; 马俊; 张方建
来源:太赫兹科学与电子信息学报, 2023, 21(11): 1357-1402.

摘要

为更好地表征5G基站电磁辐射水平,本文针对电磁辐射预测方法进行研究,提出了一种基于广义回归神经网络(GRNN)模型的基站电磁辐射环境表征方法,对基站周围的理论最大辐射点接地平面处的瞬时宽带电场强度进行预测。在给定天线发射功率、5G基站与其理论最大辐射点的距离和数据传输时间的情况下,利用80%的数据作为训练集,20%的数据作为测试集,所得平均绝对百分比误差(MAPE)为0.087 1,运行时间为3~5 min,表现出较好的预测精确度和较快的运行速度。与其他模型进行对比,预测精确度和求解效率大幅提高,且随着基站周围区域面积增大,优势愈发明显,具有很好的场景适用性。