## Memo ## Memo with LLM ## Abstract セルラーネットワークは、増え続ける携帯電話に便利なネットワークアクセスを提供する。 継続的な最適化の中で、オペレータはセルパラメータを調整し、サービス品質（QoS）を柔軟に向上させることができます。 パラメータ変更の影響を正確に予測することは、オペレータが適切なパラメータ調整を行うのに役立つ。 この研究では、セル・パラメータを調整した後のセルの状態（ワークロードや QoS など）を予測することに焦点を当てる。 この予測は、実際に調整が適用される前に行われ、早期の検査を提供する。 限られた数しかないパラメータ調整では、全てのパラメータとユーザー行動の組み合わせをカバーすることは困難であるため、我々は、パラメータ調整に関するドメイン知識をデータ駆動型時系列予測に融合するParaSeerを提案する。 ParaSeerは、調整不要の時系列予測のために、調整不要の豊富なデータを利用して、事前に訓練された複数のTransformerを組織化する。 一方、ParaSeerは、送信電力とセル個別オフセット（CIO）の調整効果を作業負荷の乗数としてモデル化します。 ParaSeerは、これら2つのパラメータの基本的なメカニズムから乗数を計算する公式を導出し、パラメータ調整のためのデータへの渇望を解消します。 ParaSeerとベースラインを実世界の2つのデータセットで比較したところ、ParaSeerはRMSEの点で最良のベースラインを25.8%以上上回った。 広範な実験により、ParaSeerの各コンポーネントの貢献がさらに明らかになった。