基于树型学习算法的短期流量预测研究

摘要：

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.

关键词：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

在线出版日期：2021-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：48-50