强化学习灰色预测器

小样本高精度

通过强化学习动态调校修正因子，在保证可解释性的同时提升小样本流量预测精度。

Wang, Yingzhi · 潘成胜 · 高飞飞 · Shi, Huaifeng · 施建锋

IEEE Sensors Journal 2024

参数信息

平均绝对百分比误差

12.37 %

精度提升

84 %

技术优势

小样本够用

引入强化学习动态调整修正因子，无需大量训练数据即可获得较高精度。

调参看得懂

从理论上揭示了修正因子微调策略与缓冲效应强度之间的关系，使智能体的动作选择具有可解释性。

比传统模型更准

在公开数据集上的实验表明，所提方法在样本依赖、可解释性和预测性能方面均优于经典统计模型和深度学习模型。

应用场景

• 无线传感器网络流量预测：在汇聚节点或基站端直接部署，用小样本历史流量实现准确预测。
• 智能基站资源调度：根据预测流量动态调整缓存与带宽分配，提高资源利用效率。