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！

龙图腾网获悉大连海事大学申请的专利一种基于集中式的云边协同无线通信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：CN116566842B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310600496.5，技术领域涉及：H04L41/147；该发明授权一种基于集中式的云边协同无线通信流量预测方法是由王丽;车林笑;郑宇航;张宇设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本一种基于集中式的云边协同无线通信流量预测方法在说明书摘要公布了：本发明提供一种基于集中式的云边协同无线通信流量预测方法，包括：将移动流量预测描述为离散小波变换过程，通过机器学习实现线性部分预测；构建残差网络，以区域内具有相似特征的社区用户为一个集群，边缘服务器快速聚合同集群数据，形成集群的全局模型；通过Lasso算法分解模型数据多源和跨域的复杂特性，计算时空特征之间相关性，结合XGboost构建社区流量特征的最优权重分配机制；XGBoost通过CART树处理模型中的非线性关系和变量之间的相互依赖，捕捉深层特征，对移动流量进行非线性预测；通过小波重构对线性与非线性部分的预测结果进行重构。本发明能够提高基于机器学习训练得到的用于预测无线通信流量的全局模型性能，提高无线通信流量预测的准确性及实时性。

本发明授权一种基于集中式的云边协同无线通信流量预测方法在权利要求书中公布了：1.一种基于集中式的云边协同无线通信流量预测方法，其特征在于，包括： 将移动流量预测描述为离散小波变换的过程，通过机器学习实现线性部分预测； 构建残差网络，以区域内具有相似特征的社区用户为一个集群，边缘服务器快速聚合同集群数据，形成集群的全局模型； 通过Lasso算法分解模型数据多源和跨域的复杂特性，计算时空特征之间的相关性，并结合XGboost构建社区流量特征的最优权重分配机制； XGBoost通过CART树处理模型中的非线性关系以及变量之间的相互依赖，捕捉深层特征，对移动流量进行非线性预测，包括： 构建XGBoost模型，表达式如下： 其中，为样本变量，预测值，T是树的数目，F是所有可能的CART树，而是特定的CART树； 设计XGBoost模型的目标函数，表达式如下： 其中，表示保留前迭代第e-1轮的模型预测，表示模型复杂度，C表示常数项； 对目标函数进行泰勒二阶展开，并在原目标函数中定义两个变量，以便于计算，评分函数表达式如下： 其中，，为调节函数，为叶子数； 使用评分函数选择最佳分割点以建立CART树，确定样本特征的所有切割点，并划分每个确定的切割点，好或坏的标准如下述公式所示： 其中，Gain表示分割后的单个节点obj（t）与两个节点的树obj（t）之间的差，通过遍历所有特征的分割点，找到最大的分割点即为最佳分割点； 通过小波重构对线性与非线性部分的预测结果进行重构，包括： 通过具有基函数db4的离散小波变换，将社区移动流量数据集分成线性部分和残差部分； 对于分离的线性部分数据集，使用ARIMA（p，d，q）模型来预测训练，并且获得线性部分预测数据集； 通过Lasso对残差部分流量的特征进行是筛选，避免过拟合，同时，利用XGboost模型对残差部分N t进行预测，并得到残差预测数据集N T； 通过小波重构重组线性部分预测数据集和残差预测数据集N T，获得最终的预测结果，如下： 其中，表示最终预测结果。

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大连海事大学，其通讯地址为：116026 辽宁省大连市高新园区凌海路1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”。