買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國人民解放軍軍事航天部隊航天工程大學申請的專利一種基于多層元學習模型的蜂窩流量預測方法和系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120201481B 。

龍圖騰網通過國家知識產權局官網在2025-09-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510678125.8，技術領域涉及：H04W24/06；該發明授權一種基于多層元學習模型的蜂窩流量預測方法和系統是由劉翔宇;朱詩兵;羅章凱;武敏;代健美;李長青;蘇琪;李宇軒;程穎設計研發完成，并于2025-05-26向國家知識產權局提交的專利申請。

本一種基于多層元學習模型的蜂窩流量預測方法和系統在說明書摘要公布了：本發明涉及通信技術領域，具體公開了一種基于多層元學習模型的蜂窩流量預測方法和系統。步驟S01：構建多層元學習模型，其中：第一層為主模型，用于根據蜂窩網絡流量負載的頻域信息生成權重；第二層為權重分配模型，用于根據所述權重映射對應的子模型；第三層為子模型，用于對下一時段的流量負載進行預測；步驟S02：采集蜂窩網絡流量負載數據，對所述蜂窩網絡流量負載數據進行預處理，并用于對所述主模型和所述子模型進行訓練，獲得訓練后的多層元學習模型；步驟S03：使用訓練后的多層元學習模型進行蜂窩網絡流量負載預測，計算流量負載預測值，獲得預測負載信息。

本發明授權一種基于多層元學習模型的蜂窩流量預測方法和系統在權利要求書中公布了：1.一種基于多層元學習模型的蜂窩流量預測方法，其特征在于，包括： 步驟S01：構建多層元學習模型，其中：第一層為主模型，用于根據蜂窩網絡流量負載的頻域信息生成權重；第二層為權重分配模型，用于根據所述權重映射對應的子模型；第三層為子模型，用于對下一時段的流量負載進行預測； 步驟S02：采集蜂窩網絡流量負載數據，對所述蜂窩網絡流量負載數據進行預處理，并用于對所述主模型和所述子模型進行訓練，獲得訓練后的多層元學習模型； 步驟S03：使用訓練后的多層元學習模型進行蜂窩網絡流量負載預測，計算流量負載預測值，獲得預測負載信息； 步驟S02中，對所述主模型的訓練根據約束函數進行，所述約束函數為： 其中，θe為編碼器參數、θd為解碼器參數、zr為重構誤差、zp為輸出樣本、Ezp為第p個蜂窩的DNN網絡的輸出樣本zp的異常程度、為一個極小值、為混合概率、為均值、為方差、exp代表自然指數函數、η1和η2分別為常數系數、N為輸入樣本的數量，zpi為輸出zp的第i個向量、Ezpi為第p個蜂窩的DNN網絡的輸出樣本zp的第i個向量的異常程度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國人民解放軍軍事航天部隊航天工程大學，其通訊地址為：101416 北京市懷柔區八一路一號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。