10.3969/j.issn.1000-8519.2021.19.014
基于树型学习算法的短期流量预测研究
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.
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
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共3页
48-50