本文關(guān)鍵詞： 經(jīng)驗?zāi)Ｊ椒纸?本征模式分量 粒子群 最小二乘支持向量機 組合預(yù)測　出處：《計算機工程與設(shè)計》2013年12期 　論文類型：期刊論文

【摘要】：針對網(wǎng)絡(luò)流量時間序列呈現(xiàn)出的非線性、非平穩(wěn)、多尺度的特點,提出了一種結(jié)合經(jīng)驗?zāi)Ｊ椒纸?EMD)和粒子群優(yōu)化的最小二乘支持向量機(LS-SVM)的流量預(yù)測模型。通過EMD分解,將原始流量的非平穩(wěn)序列分解為若干不同尺度的平穩(wěn)IMF(固有模態(tài)分量)分量,用粒子群優(yōu)化的LS-SVM分別對各分量進行預(yù)測,通過SVM組合得到原始序列的預(yù)測結(jié)果。仿真結(jié)果表明,該方法不僅能夠獲得較高的預(yù)測精度,還能夠反映原始流量數(shù)據(jù)的突變性。
[Abstract]:In view of the nonlinear, non-stationary and multi-scale characteristics of network traffic time series, a traffic prediction model based on empirical mode decomposition (EMD) and particle swarm optimization (PSO) based on least squares support vector machine (LS-SVM) is proposed. The non-stationary sequence of the original flow is decomposed into several stationary IMF (intrinsic mode component) components of different scales. The components are predicted by LS-SVM of particle swarm optimization, and the prediction results of the original sequence are obtained by SVM combination. The simulation results show that, This method can not only obtain high prediction accuracy, but also reflect the mutation of the original flow data.
【作者單位】： 新疆大學信息科學與工程學院;中國移動通信集團新疆有限公司;
【基金】：中國移動通信集團新疆有限公司研究發(fā)展基金項目(XJM2012-01)
【分類號】：TP393.06

【參考文獻】

相關(guān)期刊論文 前9條

1 魏永濤;汪晉寬;王翠榮;張琨;;基于小波變換與組合模型的網(wǎng)絡(luò)流量預(yù)測算法[J];東北大學學報(自然科學版);2011年10期

2 王軍棟;齊維貴;;基于EMD-SVM的江水濁度預(yù)測方法研究[J];電子學報;2009年10期

3 姜明;吳春明;張e，

本文編號：1540453