EMFusion: Neues probabilistisches Modell für EMF‑Vorhersagen in Funknetzen

Die rasante Expansion der drahtlosen Infrastruktur erfordert präzise Schätzungen elektromagnetischer Felder (EMF), um die Einhaltung gesetzlicher Vorgaben zu sichern, potenzielle Gesundheitsrisiken zu bewerten und die Netzwerkplanung zu optimieren. Traditionelle Ansätze beschränken sich meist auf univariate Vorhersagen von aggregierten EMF‑Daten. Das neue Framework EMFusion löst dieses Problem, indem es multivariate, frequenzselektive Vorhersagen ermöglicht und dabei wichtige externe Faktoren wie Tageszeit, Jahreszeit und Feiertage berücksichtigt.

EMFusion basiert auf einer konditionalen Diffusionsmodellierung, die ein Residual‑U‑Net mit einem Cross‑Attention‑Mechanismus kombiniert. Dieser Mechanismus integriert dynamisch die Kontextinformationen und steuert den Generierungsprozess. Zusätzlich nutzt das System eine imputationsbasierte Stichprobenstrategie, die die Vorhersage als strukturelles Inpainting behandelt und so die zeitliche Kohärenz selbst bei unregelmäßigen Messungen gewährleistet.

Im Gegensatz zu herkömmlichen Punktvorhersagen liefert EMFusion kalibrierte probabilistische Intervallvorhersagen direkt aus der erlernten bedingten Verteilung. Diese explizite Unsicherheitsquantifizierung ist entscheidend für vertrauenswürdige Entscheidungen in der Netzplanung. In umfangreichen Experimenten mit frequenzselektiven EMF‑Datensätzen zeigte sich, dass EMFusion – insbesondere unter Einbeziehung der Arbeitszeit‑Kontextinformationen – die Basismodelle deutlich übertrifft.