1.一种基于深度学习的通信基站流量预测方法，其特征在于，包括以下步骤：获取通信基站的历史流量数据，将所述历史流量数据分为编码器输入历史数据和解码器输入历史数据，并进行预处理；

构建Transformer模型并进行训练，并在训练过程中通过灰狼算法对Transformer模型进行优化得到优化Transformer模型；

将所述编码器输入历史数据输入至优化Transformer模型的编码器中，同时将所述解码器输入历史数据输入至优化Transformer模型的解码器中，完成预测；

其中，所述构建Transformer模型并进行训练，并在训练过程中通过灰狼算法对Transformer模型进行优化的得到优化Transformer模型，具体包括以下步骤：S1、初始化灰狼算法的种群参数；

所述种群参数包括：灰狼数量、注意力头数范围和最大迭代次数;每只灰狼根据注意力头数范围对应不同的注意力头数;S2、对于每只灰狼，使用相同的训练数据分别训练对应注意力头数的Transformer模型，并获取对应的预测数据；

S3、根据验证数据与预测数据的误差评估对应灰狼的适应值F，并将适应值最大的灰狼作为Alpha狼；

S4、通过AOA算法更新每只灰狼的位置向量X，具体公式为:；

；

；

；

；

其中，y表示为当前已迭代次数，B表示为当前灰狼的模拟浮力，ρ表示为当前灰狼的模拟密度， 表示当前Alpha狼当前的位置，a表示当前灰狼的模拟加速度， 表示当前Alpha狼对应的适应值，D表示当前灰狼与当前Alpha狼之间的欧氏距离，C表示控制参数，V1表示当前灰狼的模拟体积；

S5、对于每只灰狼重复步骤S2至步骤S4，直至当前已迭代次数达到最大迭代次数，执行步骤S6;S6、以最终适应值最大的灰狼所对应的注意力头数，作为Transformer模型的注意力头数。

2.根据权利要求1所述的基于深度学习的通信基站流量预测方法，其特征在于，所述使用相同的训练数据分别训练对应注意力头数的Transformer模型，包括以下步骤：S21、获取第一历史流量数据和第二历史流量数据作为训练数据；

S22、将第一历史流量数据输入至Transformer模型编码器中，将第二历史流量数据输入至Transformer模型解码器中。

3.根据权利要求2所述的基于深度学习的通信基站流量预测方法，其特征在于，所述第二历史流量数据为第一历史流量数据对应的实际未来数据；所述第二历史流量数据的周期长度根据Transformer模型的全连接输出层的时间窗口长度进行获取。

4.根据权利要求2所述的基于深度学习的通信基站流量预测方法，其特征在于，所述验证数据为所述第二历史流量数据。

5.根据权利要求1所述的基于深度学习的通信基站流量预测方法，其特征在于，所述根据验证数据与预测数据的误差评估对应灰狼的适应值F，具体可根据验证数据与预测数据的均方根误差RMSE差评估对应灰狼的适应值F：；

；

其中，n表示为预测数据的数量，f0表示为验证数据的流量值，f1表示为预测数据的流量值。

6.一种基于深度学习的通信基站流量预测系统，其特征在于，包括：数据获取模块，用于获取训练数据和验证数据；

Transformer预测模块，用于通过训练数据进行预测获取预测数据；

注意力头数优化模块，用于通过灰狼算法优化所述Transformer预测模块的多头注意力层的注意力头数；

灰狼位置更新模块，用于通过AOA算法更新所述注意力头数优化模块的灰狼算法中每只灰狼的位置向量X。

7.根据权利要求6所述的基于深度学习的通信基站流量预测系统，其特征在于，所述注意力头数优化模块，包括参数设置模块、适应值计算模块和优化模块；

所述参数设置模块，用于设置灰狼算法的种群参数，所述种群参数包括：灰狼数量、注意力头数范围和最大迭代次数；

所述适应值计算模块，用于根据验证数据与预测数据的均方根误差RMSE计算对应灰狼的适应值F；

所述优化模块，用于将适应值最大的灰狼作为Alpha狼，并将Alpha狼对应的注意力头数设置为Transformer预测模块的多头注意力层的注意力头数。

8.根据权利要求7所述的基于深度学习的通信基站流量预测系统，其特征在于，所述根据验证数据与预测数据的均方根误差RMSE计算对应灰狼的适应值F，具体为：；

；

其中，n表示为预测数据的数量，f0表示为验证数据的流量值，f1表示为预测数据的流量值。

9.根据权利要求7所述的基于深度学习的通信基站流量预测系统，其特征在于，所述灰狼位置更新模块，包括：更新模块和终止模块；

所述更新模块，用于更新每只灰狼的位置向量X；

所述终止模块，用于判断当前已迭代次数是否到达最大迭代次数，若是，则终止所述更新模块进行更新。

10.根据权利要求9所述的基于深度学习的通信基站流量预测系统，其特征在于，所述更新模块更新每只灰狼的位置向量X，具体为：；

；

；

；

；

其中，y表示为当前已迭代次数，B表示为当前灰狼的模拟浮力，ρ表示为当前灰狼的模拟密度， 表示当前Alpha狼当前的位置，a表示当前灰狼的模拟加速度， 表示当前Alpha狼对应的适应值，D表示当前灰狼与当前Alpha狼之间的欧氏距离，C表示控制参数，V1表示当前灰狼的模拟体积。