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！

龙图腾网获悉云南大学申请的专利一种基于时空特征联合表征的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：CN121463080B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610019219.9，技术领域涉及：H04W24/02；该发明授权一种基于时空特征联合表征的基站流量预测方法是由段亮;涂杰;岳昆;刘文杰;杨晰设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本一种基于时空特征联合表征的基站流量预测方法在说明书摘要公布了：本发明涉及电数字数据处理技术领域，尤其涉及一种基于时空特征联合表征的基站流量预测方法。通过对各个基站历史流量数据执行离散傅里叶变换识别操作，并对连续的流量时间序列进行切分操作，获得流量数据块；构建以流量数据块为节点的基站流量时空关联图；最小化基站流量时空关联图的结构熵，获得最优编码树；在频域对基站流量时空关联图进行多深度卷积操作，获得时空特征提取结果；根据复合损失函数和时空特征提取结果训练基站流量预测模型，获得目标预测模型；将目标预测模型输出的当前时间步的基站流量值作为下一时间步的输入，进行自回归迭代预测，获得各个基站至少一未来时间点的流量预测值。达到提高基站流量预测的精度和效率的目的。

本发明授权一种基于时空特征联合表征的基站流量预测方法在权利要求书中公布了：1.一种基于时空特征联合表征的基站流量预测方法，其特征在于，所述基于时空特征联合表征的基站流量预测方法包括以下步骤： 步骤S100：对各个基站历史流量数据执行离散傅里叶变换识别操作，并对连续的流量时间序列进行切分操作，获得流量数据块； 步骤S200：基于度量函数，构建以所述流量数据块为图节点的基站流量时空关联图，所述度量函数为综合流量时空特性的度量函数，包括： 步骤S210：对所有所述流量数据块进行嵌入，将n个所述流量数据块转换成预设长度的向量； 步骤S220：基于所述度量函数，以n个所述流量数据块为图节点，构建所述基站流量时空关联图，其中，所述度量函数为图节点之间的相似性度量函数；以及， 步骤S230：根据量化公式量化两所述图节点在地理位置、时间邻近性、流量模式的综合相似度，所述量化公式表示如下： ， 式中，、和为权重系数，和表示和两个节点对应的时刻，和表示和两个节点对应的基站位置，表示节点的预设长度的向量； 步骤S300：根据结构信息论，最小化所述基站流量时空关联图的结构熵，获得最优编码树，包括： 步骤S321：初始化所述基站流量时空关联图的图节点，获得n个独立的第一基站流量数据块划分； 步骤S322：遍历所有所述第一基站流量数据块划分，并基于预设结构熵最小化条件合并第一基站流量数据块划分，获得第二基站流量数据块划分； 步骤S323：联合不同时间和空间语义的所述第二基站流量数据块划分，获得第三基站流量数据块划分； 步骤S324：重复执行步骤S322至步骤S323，直至所述第一基站流量数据块划分不可合并以及所述第二基站流量数据块划分不可联合，获得目标基站流量数据块划分； 步骤S325：根据所述目标基站流量数据块划分，构建所述最优编码树； 步骤S400：在频域对所述基站流量时空关联图进行多深度卷积操作，获得时空特征提取结果； 步骤S500：构建基于所述最优编码树划分的对比损失，并基于Huber损失和所述对比损失构建复合损失函数； 步骤S600：根据所述复合损失函数和所述时空特征提取结果训练基站流量预测模型，获得目标预测模型； 步骤S700：将所述目标预测模型输出的当前时间步的基站流量值作为下一时间步的输入，进行自回归迭代预测，获得各个基站至少一未来时间点的流量预测值。

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云南大学，其通讯地址为：650031 云南省昆明市翠湖北路2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。