【摘要】城市移动通信基站流量的准确预测对于关键基站的拥堵控制、基站新址的选择有着重要作用。基站流量数据不仅是区域的静态表现,同时也反映区域人员的流动特性。基站流量具有非线性混沌特性,而传统的线性时间序列方法比如自回归移动平均模型难以有效地捕获实际基站流量序列中复杂的非线性因素。同时,仅考虑单个基站时间序列而忽略邻近基站的影响并不能反映基站流量的动态特征。基于向量自回归模型(VAR)对大规模基站流量数据进行整体分析,将多响应变量预测问题转化为单响应变量预测模型,运用Lasso变量选择方法筛选目标基站的重要关联基站。实例表明,相对于传统预测方法,VAR-Lasso类方法不仅提高了基站流量的预测精度,同时也实现了大规模基站的实时预测。