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！

龙图腾网获悉电子科技大学申请的专利一种基于可分解周期模式网络的5G基站流量预测方法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：CN120980569B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202511510741.9，技术领域涉及：H04W24/02；该发明授权一种基于可分解周期模式网络的5G基站流量预测方法是由王希超;何逸霏;汪文勇设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本一种基于可分解周期模式网络的5G基站流量预测方法在说明书摘要公布了：本发明公开了一种基于可分解周期模式网络的5G基站流量预测方法，涉及5G基站流量预测技术领域。包括以下步骤：智能网络管理中心通过数据采集模块采集5G基站中5G传输相关的特征数据，对采集的特征数据进行预处理后，按时间顺序将样本划分为训练集、验证集和测试集；将训练集和验证集输入基于可分解周期模式网络的5G基站流量预测模型进行训练，基于可分解周期模式网络的5G基站流量预测模型包括周期模式建模模块、成分分解模块和xLSTM模块；多次训练迭代后，最终选择在测试集上表现最优的权重参数进行预测。本发明充分利用了各个基站流量数据的周期性时间特征，提高了5G基站流量预测的精度；为基站管理和网络优化提供了数据参考，减少了人力和时间成本。

本发明授权一种基于可分解周期模式网络的5G基站流量预测方法在权利要求书中公布了：1.一种基于可分解周期模式网络的5G基站流量预测方法，其特征在于，所述方法包括以下步骤： 步骤S1：智能网络管理中心通过数据采集模块采集5G基站中5G传输相关的特征数据，设定智能网络管理中心覆盖区域； 步骤S2：对采集的特征数据按时间级别进行整理，以小时级和天级采集间隔对特征数据进行重采样，得到重采样数据集； 步骤S3：对重采样数据集进行数据清洗，以零值填充所有空值，以小时为单位，将每天的数据严格设定为24个时间节点，若采集过程中出现了某个时间节点的缺失，则以该基站历史数据的均值进行填充，按时间顺序重采样数据集划分训练集、验证集和测试集； 步骤S4：设计基于可分解周期模式网络的5G基站流量预测模型；所述基于可分解周期模式网络的5G基站流量预测模型包括周期模式建模模块、成分分解模块和xLSTM模块；周期模式建模模块包括移除周期模式单元和恢复周期模式单元，周期模式建模模块用于提取数据中的周期性特征，成分分解模块将数据分解为趋势成分和季节性成分，xLSTM模块则用于捕捉长时间依赖性； 步骤S5：将训练集数据输入可分解周期模式网络的5G基站流量预测模型进行训练，迭代优化后选取在测试集上性能最优的模型参数用于5G基站流量预测，并将训练完成的可分解周期模式网络的5G基站流量预测模型部署至智能网络管理中心，并在后续运行中输入对应基站的实时或预测时段特征数据的历史96个时间步，从而得到每个基站在未来时间段内96个时间步的流量预测结果； 所述步骤S4包括如下步骤： 步骤S41：对输入序列进行标准化处理得到标准化序列； 步骤S42：对标准化序列以长度为滑动窗口方式，生成时间顺序连续多个标准化子序列； 步骤S43：对于每个标准化子序列，周期模式建模模块的移除周期模式单元移除标准化子序列中的周期特性，得到残差序列； 步骤S44：成分分解模块进一步将残差序列划分为平滑变化的趋势成分与短期波动的季节成分； 步骤S45：对趋势成分与季节成分分别施加线性映射并求和后，进行批量归一化处理，得到归一化融合序列，输入至xLSTM模块； 步骤S46：xLSTM模块由多个sLSTM模块与多个mLSTM模块线性组合而成，xLSTM模块接收归一化融合序列，利用sLSTM的门控记忆特性与mLSTM的矩阵记忆特性相结合的模块结构建模归一化融合序列中的时间依赖性与不同基站之间存在的空间依赖性，得到基站数据的特征信息； 步骤S47：对xLSTM模块得到的基站数据的特征信息经过第三线性层映射得到未来个时间步的残差预测序列； 步骤S48：周期模式建模模块的恢复周期模式单元恢复标准化子序列中的周期特性，结合残差预测序列得到预测序列； 步骤S49：将预测序列经过反标准化处理，得到最终预测结果； 所述步骤S43包括以下步骤： 步骤S431：移除周期模式单元构建周期记忆矩阵，其中表示周期窗口长度；所述周期记忆矩阵为可训练参数； 步骤S432：在时间步时，对周期记忆矩阵进行循环左移位操作，得到与当前时间步的同步周期模板； 步骤S433：对同步周期模板进行重复拼接次，并追加其前位子序列，得到与滑动窗口长度对齐的历史周期片段； 步骤S434：将标准化子序列与移除周期模式单元生成的历史周期片段进行对应位置元素相减，得到残差序列； 所述步骤S44包括以下步骤： 步骤S441：对残差序列进行趋势与季节成分的进一步分解，首先使用局部平均池化方式提取趋势成分； 步骤S442：将残差序列与其趋势成分做差，得到季节成分。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。

以上内容由龙图腾AI智能生成。