随着5G时代的到来,移动用户设备数量的快速增长,所产生的数据流量也呈指数增长,给蜂窝网络中的基站带来巨大压力。虽然5G通信基站已经逐步普及,但以固定基站为主的5G通信网络,仍然会面临挑战。蜂窝网络中的基站运行负载有限,在面对临时的爆发性流量时,当流量规模超过基站运行负载,就会造成网络拥堵,影响用户体验质量（Qo E）。支持无人机的移动边缘计算是解决该问题的有效方法之一。如若能够预知潜在的爆发性流量发生的时间段和规模大小,然后按需部署无人机,就能够降低无人机能耗和网络运营成本。基于此,本文提出的基于用户流量预测的无人机移动边缘计算网络方案,是解决蜂窝网络拥堵的有效途径。首先,使用粒子群PSO优化算法改进BP神经网络得到PSO-BP预测模型,来预测潜在爆发性流量发生的时间和规模大小。其次,在移动边缘计算网络中通过联合优化地面用户设备计算任务卸载决策、资源分配机制、无人机飞行轨迹,研究在任务执行过程中地面用户设备和无人机能耗最小化问题。最后,结合PSO-BP预测模型的预测结果和移动边缘计算网络能耗优化模型,建立了基于预测模型的无人机移动边缘计算网络能耗模型。对所提出的能耗模型进行仿真分析,分别在相同优化算法下不同预测模型和相同预测模型下不同优化算法的情况下进行能耗对比分析。仿真结果表明,本文提出的PSO-BP预测模型与移动边缘计算网络能耗优化模型结合的方案,能够在满足用户计算需求的前提下,减少所需无人机数量,优化无人机和用户设备能耗,降低了运营商在解决爆发性流量问题时的成本。本文所做的研究能够很好的解决爆发性流量带来的影响,有效避免网络拥堵,给用户提供更好的服务质量（QoS）,并降低运行商成本。