国产欧美精品一区二区,中文字幕专区在线亚洲,国产精品美女网站在线观看,艾秋果冻传媒2021精品,在线免费一区二区,久久久久久青草大香综合精品,日韩美aaa特级毛片,欧美成人精品午夜免费影视

摘要 為了提高長(cháng)短期記憶對網(wǎng)絡(luò )流量的預測精度，本文提出一種EMD-LSTM預測模型。針對訓練樣本中存在噪聲的問(wèn)題提出一種基于噪聲統計特性的經(jīng)驗模態(tài)分解降噪方法，通過(guò)分析每一訓練樣本分解后的本征模態(tài)函數確定對應的噪聲分量，將各樣本中同一位置的噪聲分量進(jìn)行統計平均再與非噪聲分量重構實(shí)現樣本降噪，使用降噪后的序列作為長(cháng)短期記憶訓練樣本；針對長(cháng)短期記憶中使用滑動(dòng)窗口作為訓練樣本輸入存在的誤差疊加問(wèn)題使用間隔采樣構造訓練樣本。仿真表明，相較于傳統長(cháng)短期記憶方法，本文方法具備更優(yōu)降噪與預測效果。此外，本文將該預測模型應用于一種基于無(wú)人機卸載流量的蜂窩網(wǎng)絡(luò )，提出一種無(wú)人機活動(dòng)規劃方法以?xún)?yōu)化無(wú)人機長(cháng)時(shí)間工作中返航充電的時(shí)間點(diǎn)。