运营商不限流量套餐的推出,引发爆炸式的高数据流量增长。随着不限流量套餐在高校的大范围推广,用户需求从低流量通信业务向着高流量视频业务转变,急剧的流量增长大量消耗网络资源使得校园用户感知明显下降。如何提升用户感知释放网络资源,提供更高业务使用速率是目前高校LTE网络优化的重点和难点。现有流量预测模型均不能有效学习长序列、大跨度流量信息,使得潜在流量变化趋势被忽略,预测准确度偏低,导致网络调度资源不够精准。高校用户集中,作息时间规律,潮汐效应明显,自不限流量套餐推出后带来的小区容量受限问题也一直未妥善解决。针对目前存在的问题,本文主要内容与创新工作如下:(1)在高校LTE网络流量预测方面,本文提出了一种基于分解优化集成学习LTE网络流量的预测算法。以用户行为为基准,对实时网络热点区域进行自适应网格划分精准定位不同区域内流量变化,利用MEMD(multivarite empirical mode decomposition)多元经验模态分解方法对流量序列进行分解,加强流量信息的自适应性,更为细致的捕捉流量变化特征。将分解得到的流量序列通过人工智能学习算法学习预测未来流量变化趋势,得到流量预测最优解。实验结果显示利用MEMD分解流量方法非常有效,降低了流量预测难度,并能够精准预测跨度时间大的网络流量需求,为后续高校网络建设提供有效指导意见。(2)在高校LTE网络扩容方面,本文针对不限流量套餐前后校园用户模型变化,以用户感知为基准,将所有热门App应用分为网页浏览、即时通信、社交、视频类和文件下载等5种类型并对其进行不限流量套餐推出前后流量和使用频次对比分析,利用最小二乘法建立了一种高校忙时业务流量统计模型,结合业务保障速率模型以及单小区业务承载能力,提出了基于用户感知适度扩容高校LTE网络的方法。实验结果显示该方法能够很好地解决目前高校遇见的网络超忙问题,用户感知显著提升,对高校未来不同场景的扩容及规划建设具有一定的指导作用。(3)在高校LTE网络监控方面,为解决现有网络监测网优人员的工作难度和规避现场检测网络指标可能出现的误差,本文搭建一种校园LTE网络实时远程监控系统。实验证明,该系统能够监控目前高校不同场景的网络情况,且操作简单,测量结果精确,实用价值高。