基于个性化分组联邦学习的无线流量预测方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115860153A(43)申请公布日2023.03.28(21)申请号202310185967.0(22)申请日2023.03.01(71)申请人北京邮电大学地址100876北京市海淀区西土城路10号(72)发明人林尚静马冀庄琲李月颖陈远祥(74)专利代理机构北京金咨知识产权代理有限公司11612专利代理师王晓雅(51)Int.Cl.G06N20/20(2019.01)G06Q50/30(2012.01)权利要求书3页说明书19页附图5页(54)发明名称基于个性化分组联邦学习的无线流量预测方法及系统(57)摘要本申请提供一种基于个性化分组联邦学习的无线流量预测方法及系统，方法包括：将无线流量数据和个性化特征数据均输入本地部署的区域级个性化流量预测模型，以通过其中的通用层提取无线流量的时间和空间的相关性数据以及通过个性化层提取个性化特征数据对无线流量的影响数据，并输出无线流量预测数据作为目标区域的区域级无线流量预测结果；将该结果发送至中心云服务器，以使该中心云服务器根据各个边缘服务器分别发送的各个区域的区域级无线流量预测结果生成由各个区域构成的全域范围对应的无线流量预测结果。本申请能够提高各个区域的区域级无线流量预测的准确性及针对性，进而能够有效提高城市等全域范围的无线流量预测的准确性及有效性。CN115860153ACN115860153A权利要求书1/3页1.一种基于个性化分组联邦学习的无线流量预测方法，其特征在于，包括：获取目标区域当前的无线流量数据，若该目标区域为预设的个性化特征区域，则获取该目标区域当前的个性化特征数据；将所述无线流量数据和所述个性化特征数据均输入预先基于个性化分组联邦学习系统训练得到的本地部署的区域级个性化流量预测模型，以通过该区域级个性化流量预测模型中预设的通用层提取无线流量的时间和空间的相关性数据以及通过该区域级个性化流量预测模型中预设的个性化层提取个性化特征数据对无线流量的影响数据，并输出无线流量预测数据作为所述目标区域对应的区域级无线流量预测结果；将所述区域级无线流量预测结果发送至所述个性化分组联邦学习系统中的中心云服务器，以使该中心云服务器根据所述个性化分组联邦学习系统中的各个边缘服务器分别发送的各个区域对应的区域级无线流量预测结果，生成由各个所述区域构成的全域范围对应的无线流量预测结果。2.根据权利要求1所述的基于个性化分组联邦学习的无线流量预测方法，其特征在于，在所述获取目标区域当前的无线流量数据之前，还包括：获取本地管辖的目标区域中各个基站的历史无线流量数据及历史多源特征数据；基于分组联邦学习方式，采用历史无线流量数据及历史多源特征数据训练得到本地部署的用于预测区域无线流量的通用层；以及，基于预设的合作收益方式，采用所述历史多源特征数据及所述历史无线流量数据确定所述目标区域是否为个性化特征区域，若是，则进一步筛选出个性化特征区域的最优特征组合，生成本地部署的用于预测区域个性化特征的个性化层；对本地部署的所述通用层和所述个性化层进行融合，以得到用于输出区域个性化流量预测结果的区域级个性化流量预测模型。3.根据权利要求2所述的基于个性化分组联邦学习的无线流量预测方法，其特征在于，所述基于分组联邦学习方式，采用历史无线流量数据及历史多源特征数据训练得到本地部署的用于预测区域无线流量的通用层，包括：将所述历史无线流量数据映射为时空流量数据，并对所述时空流量数据进行归一化处理以得到对应的通用层训练集，利用所述历史多源特征数据打上分组标签；接收所述中心云服务器发送的初始的全局分组级通用层模型参数；执行预设的分组联邦学习步骤，该分组联邦学习步骤包括：应用所述通用层训练集、当前的全局分组级通用层模型参数及损失函数对预设的卷积神经网络进行训练，并将训练得到的本地分组级通用层模型参数发送至所述中心云服务器，以使该中心云服务器对各个所述边缘服务器分别发送的本地分组级通用层模型参数以分组为单位进行融合以更新全局分组级通用层模型参数；接收所述中心云服务器发送的更新后的全局分组级通用层模型参数，并判断预设的迭代次数当前是否到达次数阈值，若否，则返回执行所述分组联邦学习步骤；若是，则将当前接收的所述全局分组级通用层模型参数存储为本地的用于预测区域无线流量的通用层。4.根据权利要求2所述的基于个性化分组联邦学习的无线流量预测方法，其特征在于，所述基于预设的合作收益方式，采用所述历史多源特征数据及所述历史无线流量数据确定所述目标区域是否为个性化特征区域，若是，则进一步筛选出个性化特征区域的最优特征2CN115860153A权利要求书2/3页组合，生成本地部署的用于预测区域个性化特征的个性化层，包括：将所述历史多源特征数据映射为时空多源数据，并对所述时空多