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！

龙图腾网获悉南京理工大学;江苏第二师范学院申请的专利一种基于自组织图神经网络的多节点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：CN119729543B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411744940.1，技术领域涉及：H04W24/02；该发明授权一种基于自组织图神经网络的多节点基站流量预测方法是由李骏;刘星彤;夏鹏程;倪艺洋;时龙设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于自组织图神经网络的多节点基站流量预测方法在说明书摘要公布了：本发明公开了一种基于自组织图神经网络的多节点基站流量预测方法，属于时空流量预测技术领域，包括基站节点数据处理与影响力评估：将节点集子图化，生成邻接矩阵并评估节点影响力大小；基站节点重组：通过映射矩阵对时序节点进行线性组合，生成线性无关向量基，并根据影响力引导映射矩阵收敛方向；使用部分注意力聚合空间特征：对节点集依次进行静态图卷积和动态图卷积捕捉空间联系；在卷积中穿插长短时记忆网络：捕捉时间联系进行时序预测；最后标准化并通过多层感知机来生成预测结果。本发明采用上述的一种基于自组织图神经网络的多节点基站流量预测方法，提出多节点基站流量的空间特征提取机制，为基站流量的变化趋势提供有效的预测方法。

本发明授权一种基于自组织图神经网络的多节点基站流量预测方法在权利要求书中公布了：1.一种基于自组织图神经网络的多节点基站流量预测方法，其特征在于：包括以下步骤：S1、将一个区域分为多个子区域，每个子区域内的基站分为N个节点，采集节点数据，生成邻接矩阵并评估影响力；S2、构建神经网络模型；S3、定义损失函数及优化器，以Smooth_l1_loss为损失函数，用Adam优化器来更新模型参数；S4、将预测结果与真实值带入所述损失函数求损失值，利用梯度下降算法进行反向传播，更新模型参数；S5、重复S4直至神经网络模型收敛，将测试集输入神经网络模型中评估神经网络模型预测性能； 所述S2中的所述神经网络模型包括以下组成模块：节点融合模块：包括随机初始化映射矩阵，随机初始化映射矩阵会实现节点集的自组织重组，将节点集映射为向量基，根据节点影响力指导映射矩阵收敛；节点空间特征卷积模块：包含静态卷积和动态卷积；首先对节点集和向量基在时序上求注意力得分矩阵，节点集在进行静态图卷积后，再次利用映射矩阵映射为向量基，并利用注意力得分矩阵做动态卷积；节点时序特征提取模块：在所述节点空间特征卷积模块的多层之间穿插长短时记忆网络学习时序特征，并将每层的输出合并在一起用全连接层聚合；输出模块：将各层输出用一个全连接层聚合后，按照层标准化进行标准化，再经过多层感知机输出预测结果； 所述基站节点重组的具体过程包括在所述S1中对邻接矩阵做行归一化，然后求列和来表示各基站节点的影响力大小；以及在所述S2的所述节点融合模块中，通过将基站节点影响力转化为对角矩阵，并与映射矩阵相乘来指导映射矩阵的收敛方向；然后通过形状为S*N,K的映射矩阵将节点集映射为K个线性无关的向量基用来参与所述S3中的注意力得分矩阵计算；其中，S为子区域的数量，N为一个节点集中节点的数量，K指用节点集浓缩生成的向量基个数，介于1～S*N之间。

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南京理工大学;江苏第二师范学院，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道孝陵卫街200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。