本文關鍵詞：基于ARIMA補償ELM的網(wǎng)絡流量預測方法

  更多相關文章： 網(wǎng)絡流量 預測 極限學習機 自回歸積分滑動平均模型(ARIMA) 自相似性

【摘要】：針對網(wǎng)絡流量的預測問題,結合網(wǎng)絡流量序列的自相似性分析而提出一種基于差分自回歸滑動平均模型(ARIMA)補償極限學習機(ELM)的網(wǎng)絡流量預測方法.首先利用ELM模型對網(wǎng)絡流量序列進行一步預測,然后對網(wǎng)絡流量預測的誤差序列通過ARIMA模型進行修正,最后將ELM模型預測值與ARIMA模型修正值進行疊加得到最終的預測值.與單獨的ARIMA模型、最小二乘支持向量機(LS-SVM)預測模型以及Elman神經(jīng)網(wǎng)絡預測模型進行了對比,仿真結果表明本文的方法具有更高的預測精度.
【作者單位】： 沈陽工業(yè)大學信息科學與工程學院;
【關鍵詞】： 網(wǎng)絡流量 預測 極限學習機 自回歸積分滑動平均模型(ARIMA) 自相似性
【基金】：國家自然科學基金重點基金資助項目(61034005)
【分類號】：TP393.06
【正文快照】： 自回歸積分滑動平均模型(ARIMA)自相似性1引言網(wǎng)絡流量是目前網(wǎng)絡管理的一個重要參數(shù),在網(wǎng)絡資源有限的情況下設計網(wǎng)絡的擁塞控制策略時,網(wǎng)絡流量的準確預測對于減少網(wǎng)絡擁塞、合理分配資源、提高網(wǎng)絡服務質量及發(fā)現(xiàn)網(wǎng)絡異常行為等具有非常重要的作用[1].很多文獻將網(wǎng)絡流量看

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 孫韓林;金躍輝;崔毅東;程時端;;粗粒度網(wǎng)絡流量的灰色模型預測[J];北京郵電大學學報;2010年01期

2 姜明;吳春明;張e，

本文編號：1101817