【摘要】：針對(duì)帶混沌特性的網(wǎng)絡(luò)流量在線預(yù)測(cè),提出一種融合自適應(yīng)粒子群算法(APSO)和遞推式最小二乘支持向量機(jī)回歸的流量模型。對(duì)流量序列嵌入重構(gòu)得到多維狀態(tài)輸入矢量,將其作為初始LSSVM的訓(xùn)練樣本,其中采用自適應(yīng)粒子群算法對(duì)模型的特征參數(shù)、嵌入維數(shù)尋優(yōu),避免早熟停滯。對(duì)于在線預(yù)報(bào)過(guò)程中的吸收樣本、刪減樣本采用核矩陣迭代式求解,動(dòng)態(tài)調(diào)整回歸機(jī),使得模型具有在線學(xué)習(xí)能力,由此得APSO-LSSVM在線流量預(yù)測(cè)模型,并考察網(wǎng)絡(luò)負(fù)荷度與嵌入維數(shù)關(guān)系。仿真實(shí)驗(yàn)表明:該方法能有效預(yù)測(cè)網(wǎng)絡(luò)流量,實(shí)現(xiàn)較高精度實(shí)時(shí)流量估計(jì)。
[Abstract]:An adaptive particle swarm optimization algorithm (APSO) and a recursive least square support vector machine (LS-SVM) regression model for on-line traffic prediction with chaotic characteristics are proposed. The multi-dimensional state input vector is obtained by embedding and reconstructing the traffic sequence, which is used as the training sample of the initial LSSVM. The adaptive particle swarm optimization algorithm is used to optimize the characteristic parameters of the model, and the embedding dimension is optimized to avoid premature stagnation. For the absorbing samples in the process of on-line prediction, the deleted samples are solved by the kernel matrix iterative method, and the regression machine is dynamically adjusted to make the model have the ability of on-line learning, so that the APSO-LSSVM on-line flow prediction model is obtained. The relationship between network load and embedding dimension is also investigated. Simulation results show that the proposed method can effectively predict network traffic and achieve high accuracy real-time traffic estimation.
【作者單位】： 華東交通大學(xué)電氣與電子工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61164011)
【分類(lèi)號(hào)】：TP393.06

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 付國(guó)江,王少梅,劉舒燕,李寧;含邊界變異的粒子群算法[J];武漢理工大學(xué)學(xué)報(bào);2005年09期

2 張淑清;賈健;高敏;韓敘;;混沌時(shí)間序列重構(gòu)相空間參數(shù)選取研究[J];物理學(xué)報(bào);2010年03期

3 楊永生;;一種自適應(yīng)調(diào)節(jié)粒子群優(yōu)化算法的研究[J];西安科技大學(xué)學(xué)報(bào);2011年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 遲建平;任順平;;網(wǎng)絡(luò)擁塞混沌控制策略研究[J];指揮控制與仿真;2007年04期

2 王鳳英;基于混沌系統(tǒng)的文件加密技術(shù)研究[J];情報(bào)雜志;2005年09期

3 趙犁豐,宋潔,姚玉玲,楊軍波;利用小波包分析和混沌特征提取進(jìn)行船舶輻射噪聲分類(lèi)[J];中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

4 盛松濤;蘇忖安;毛建平;朱全平;;加權(quán)一階局域法在邊坡位移預(yù)測(cè)中的應(yīng)用研究[J];人民長(zhǎng)江;2006年11期

5 宋軍偉;方坤河;;基于Lyapunov指數(shù)的混凝土體積變形混沌預(yù)測(cè)[J];人民長(zhǎng)江;2008年14期

6 丁勝祥;楊新意;;宜昌站月徑流時(shí)間序列的混沌特性分析[J];人民長(zhǎng)江;2009年22期

7 夏立玲;;流程工業(yè)中基于混沌時(shí)間序列的成本預(yù)測(cè)研究[J];軟件導(dǎo)刊;2009年09期

8 馬建華;楚純潔;宮少燕;;花園口斷面年徑流量時(shí)間序列混沌特性分析[J];人民黃河;2006年01期

9 喬一帆;;改進(jìn)粒子群算法在矩形渡槽結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];人民黃河;2011年03期

10 牟麗琴;林煥新;;汀江流域降水徑流時(shí)間序列的混沌分析[J];人民珠江;2010年01期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 孫海云,曹慶杰;相空間重構(gòu)延遲時(shí)間的確定[J];山東工業(yè)大學(xué)學(xué)報(bào);2000年02期

2 黃國(guó)如,芮孝芳;流域降雨徑流時(shí)間序列的混沌識(shí)別及其預(yù)測(cè)研究進(jìn)展[J];水科學(xué)進(jìn)展;2004年02期

3 王兆霞,孫雨耕,陳增強(qiáng),袁著祉;基于模糊神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)業(yè)務(wù)量預(yù)測(cè)研究[J];通信學(xué)報(bào);2005年03期

4 葉美盈,汪曉東,張浩然;基于在線最小二乘支持向量機(jī)回歸的混沌時(shí)間序列預(yù)測(cè)[J];物理學(xué)報(bào);2005年06期

5 陳貴敏;賈建援;韓琪;;粒子群優(yōu)化算法的慣性權(quán)值遞減策略研究[J];西安交通大學(xué)學(xué)報(bào);2006年01期

6 李軍民;王洪濤;;一種改進(jìn)慣性權(quán)重策略的粒子群優(yōu)化算法[J];西安科技大學(xué)學(xué)報(bào);2010年05期

7 劉靖旭;蔡懷平;譚躍進(jìn);;支持向量回歸參數(shù)調(diào)整的一種啟發(fā)式算法[J];系統(tǒng)仿真學(xué)報(bào);2007年07期

8 黃輝先;陳資濱;;一種改進(jìn)的粒子群優(yōu)化算法[J];系統(tǒng)仿真學(xué)報(bào);2007年21期

9 程光,龔儉;大規(guī)模網(wǎng)絡(luò)流量宏觀行為周期性分析研究[J];小型微型計(jì)算機(jī)系統(tǒng);2003年06期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閔潔;李瀟;;基于最小二乘支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)[J];科技創(chuàng)新導(dǎo)報(bào);2010年03期

2 閔潔;李瀟;;基于最小二乘支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)[J];九江學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年01期

3 張雅明;林立忠;劉智國(guó);;結(jié)合遺傳算法與LSSVC的網(wǎng)絡(luò)異常檢測(cè)[J];計(jì)算機(jī)仿真;2010年12期

4 劉芬;帥建梅;;基于梯度和顏色特征的圖像垃圾郵件過(guò)濾[J];計(jì)算機(jī)工程;2010年16期

5 黃謙;肖儂;劉波;;基于支持向量機(jī)的網(wǎng)格負(fù)載信息預(yù)測(cè)模型[J];計(jì)算機(jī)技術(shù)與發(fā)展;2007年06期

6 龍門(mén);夏靖波;張子陽(yáng);;一種基于日志的攻擊模式挖掘方法[J];微電子學(xué)與計(jì)算機(jī);2011年05期

7 張艷秋;王蔚;;利用遺傳算法優(yōu)化的支持向量機(jī)垃圾郵件分類(lèi)[J];計(jì)算機(jī)應(yīng)用;2009年10期

8 孔筍;陳增強(qiáng);;一種新的混沌蟻群算法及其在QoS組播路由優(yōu)化問(wèn)題中的應(yīng)用[J];智能系統(tǒng)學(xué)報(bào);2010年06期

9 馮華麗;劉淵;;小波分析和AR-LSSVM的網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2011年20期

10 曲靜;;參數(shù)優(yōu)化分析案例[J];職業(yè)時(shí)空;2009年08期

相關(guān)碩士學(xué)位論文 前10條

1 黃小珂;基于蟻群優(yōu)化算法的數(shù)據(jù)包路由技術(shù)研究[D];長(zhǎng)春理工大學(xué);2010年

2 王鵬;網(wǎng)絡(luò)流量預(yù)測(cè)技術(shù)研究[D];江南大學(xué);2009年

3 李卿;支持向量機(jī)在P2P網(wǎng)絡(luò)流量檢測(cè)中的應(yīng)用[D];哈爾濱理工大學(xué);2009年

4 李麗;基于支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)研究[D];南京理工大學(xué);2007年

5 劉永健;基于LS-SVM的入侵檢測(cè)模型與實(shí)時(shí)測(cè)試平臺(tái)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

6 陸國(guó)浩;網(wǎng)絡(luò)流量預(yù)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D];蘇州大學(xué);2007年

7 柏海濱;基于機(jī)器學(xué)習(xí)的入侵檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D];南京航空航天大學(xué);2008年

8 唱雪;基于BP神經(jīng)網(wǎng)絡(luò)理論的校園網(wǎng)帶寬流量預(yù)測(cè)[D];哈爾濱工程大學(xué);2008年

9 劉思佳;智能網(wǎng)絡(luò)入侵檢測(cè)方法的研究[D];西華大學(xué);2009年

10 胡明科;未知木馬檢測(cè)技術(shù)研究[D];沈陽(yáng)航空航天大學(xué);2011年

，

本文編號(hào)：2252294