买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军军事航天部队航天工程大学申请的专利一种基于多层元学习模型的蜂窝流量预测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120201481B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510678125.8，技术领域涉及：H04W24/06；该发明授权一种基于多层元学习模型的蜂窝流量预测方法和系统是由刘翔宇;朱诗兵;罗章凯;武敏;代健美;李长青;苏琪;李宇轩;程颖设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本一种基于多层元学习模型的蜂窝流量预测方法和系统在说明书摘要公布了：本发明涉及通信技术领域，具体公开了一种基于多层元学习模型的蜂窝流量预测方法和系统。步骤S01：构建多层元学习模型，其中：第一层为主模型，用于根据蜂窝网络流量负载的频域信息生成权重；第二层为权重分配模型，用于根据所述权重映射对应的子模型；第三层为子模型，用于对下一时段的流量负载进行预测；步骤S02：采集蜂窝网络流量负载数据，对所述蜂窝网络流量负载数据进行预处理，并用于对所述主模型和所述子模型进行训练，获得训练后的多层元学习模型；步骤S03：使用训练后的多层元学习模型进行蜂窝网络流量负载预测，计算流量负载预测值，获得预测负载信息。

本发明授权一种基于多层元学习模型的蜂窝流量预测方法和系统在权利要求书中公布了：1.一种基于多层元学习模型的蜂窝流量预测方法，其特征在于，包括： 步骤S01：构建多层元学习模型，其中：第一层为主模型，用于根据蜂窝网络流量负载的频域信息生成权重；第二层为权重分配模型，用于根据所述权重映射对应的子模型；第三层为子模型，用于对下一时段的流量负载进行预测； 步骤S02：采集蜂窝网络流量负载数据，对所述蜂窝网络流量负载数据进行预处理，并用于对所述主模型和所述子模型进行训练，获得训练后的多层元学习模型； 步骤S03：使用训练后的多层元学习模型进行蜂窝网络流量负载预测，计算流量负载预测值，获得预测负载信息； 步骤S02中，对所述主模型的训练根据约束函数进行，所述约束函数为： 其中，θe为编码器参数、θd为解码器参数、zr为重构误差、zp为输出样本、Ezp为第p个蜂窝的DNN网络的输出样本zp的异常程度、为一个极小值、为混合概率、为均值、为方差、exp代表自然指数函数、η1和η2分别为常数系数、N为输入样本的数量，zpi为输出zp的第i个向量、Ezpi为第p个蜂窝的DNN网络的输出样本zp的第i个向量的异常程度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军军事航天部队航天工程大学，其通讯地址为：101416 北京市怀柔区八一路一号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。