【摘要】：基于非線性時間序列局域預(yù)測法與相關(guān)向量機回歸模型,本文提出了局域相關(guān)向量機預(yù)測方法,并應(yīng)用于預(yù)測實際的小尺度網(wǎng)路流量序列.應(yīng)用基于信息準則的局域預(yù)測法鄰近點的選取方法來選取局域相關(guān)向量機回歸模型的鄰近點個數(shù).對比分析了局域相關(guān)向量機預(yù)測法、前饋神經(jīng)網(wǎng)絡(luò)模型與局域線性預(yù)測法對網(wǎng)絡(luò)流量序列的預(yù)測性能,其中前饋神經(jīng)網(wǎng)絡(luò)模型的參數(shù)采用粒子群優(yōu)化算法來優(yōu)化.實驗結(jié)果表明:鄰近點優(yōu)化后的局域相關(guān)向量機回歸模型能夠有效地預(yù)測小尺度網(wǎng)絡(luò)流量序列,歸一化均方誤差很小;局域相關(guān)向量機回歸模型生成的時間序列具有與原網(wǎng)絡(luò)流量時間序列相一致的概率分布;局域相關(guān)向量機回歸模型的預(yù)測精度好于前饋神經(jīng)網(wǎng)絡(luò)模型的與局域線性預(yù)測法的.
[Abstract]:Based on the local prediction method of nonlinear time series and the regression model of correlation vector machine, a prediction method of local correlation vector machine is proposed in this paper, and it is applied to predict the actual small-scale network traffic series. The local prediction method based on information criterion is used to select the number of adjacent points in the local correlation vector machine regression model. The prediction performance of local correlation vector machine (LRVM), feedforward neural network (FNN) and local linear prediction (LLP) for network traffic sequence is compared and analyzed. Particle swarm optimization (PSO) is used to optimize the parameters of feedforward neural network (FNN) model. The experimental results show that the local correlation vector machine regression model can effectively predict the small scale network traffic series, and the normalized mean square error is very small. The time series generated by the local correlation vector machine regression model have the same probability distribution as the original network traffic time series, and the prediction accuracy of the local correlation vector machine regression model is better than that of the feedforward neural network model and the local linear prediction method.
【作者單位】： 濟南大學(xué)信息科學(xué)與工程學(xué)院;山東省網(wǎng)絡(luò)環(huán)境智能計算技術(shù)重點實驗室;
【基金】：國家自然科學(xué)基金(批準號:61201428,61070130,61173079) 山東省自然科學(xué)基金(批準號:ZR2010FQ020,ZR2011FZ003) 山東省優(yōu)秀中青年科學(xué)家科研獎勵基金(批準號:BS2009SW003) 中國博士后科學(xué)基金(批準號:20100470081)資助的課題~~
【分類號】：TP393.06

【參考文獻】

相關(guān)期刊論文 前6條

1 韓敏;趙耀;楊溪林;林東;;基于魯棒相關(guān)向量機的轉(zhuǎn)爐煉鋼終點預(yù)報模型[J];控制理論與應(yīng)用;2011年03期

2 張家樹;黨建亮;李恒超;;時空混沌序列的局域支持向量機預(yù)測[J];物理學(xué)報;2007年01期

3 孟慶芳;彭玉華;曲懷敬;韓民;;基于信息準則的局域預(yù)測法鄰近點的選取方法[J];物理學(xué)報;2008年03期

4 馬千里;鄭啟倫;彭宏;覃姜維;;基于模糊邊界模塊化神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測[J];物理學(xué)報;2009年03期

5 杜杰;曹一家;劉志堅;徐立中;江全元;郭創(chuàng)新;陸金桂;;混沌時間序列的局域高階Volterra濾波器多步預(yù)測模型[J];物理學(xué)報;2009年09期

6 陳強;任雪梅;;基于多核最小二乘支持向量機的永磁同步電機混沌建模及其實時在線預(yù)測[J];物理學(xué)報;2010年04期

【共引文獻】

相關(guān)期刊論文 前10條

1 封云;馬軍海;;供應(yīng)鏈需求預(yù)測的非線性方法研究[J];北京理工大學(xué)學(xué)報(社會科學(xué)版);2008年05期

2 梁雪春;龔艷冰;肖迪;;一種多核加權(quán)支持向量機的水質(zhì)預(yù)測方法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年S1期

3 唐勇波;桂衛(wèi)華;彭濤;;變壓器油中氣體的多核核主元回歸預(yù)測模型[J];電機與控制學(xué)報;2012年11期

4 劉新俠;張安兵;王海峰;時翠梅;;基于相空間重構(gòu)的降雨時間序列降噪及預(yù)測研究[J];華北水利水電學(xué)院學(xué)報;2007年06期

5 劉新俠;張安兵;王海峰;時翠梅;;降雨時間序列降噪及預(yù)測系統(tǒng)建模研究[J];河北工程大學(xué)學(xué)報(自然科學(xué)版);2007年04期

6 李碩;戴欣;周渝霞;;網(wǎng)絡(luò)安全態(tài)勢感知研究進展[J];計算機應(yīng)用研究;2010年09期

7 陳龍;黃晨;江浩斌;王志忠;;基于智能體——神經(jīng)網(wǎng)絡(luò)的輪胎側(cè)偏特性[J];機械工程學(xué)報;2012年02期

8 李煒;章寅;趙小強;;混合核函數(shù)稀疏LS-SVM軟測量建模與應(yīng)用[J];控制工程;2012年01期

9 張華;陳鳳銀;王艷紅;;基于輔料資源運行特性的煉鋼終點優(yōu)化控制[J];鋼鐵研究學(xué)報;2013年01期

10 吳延增;張政國;劉旭寧;;多核SVM對傳感器動態(tài)建模的研究[J];蘭州交通大學(xué)學(xué)報;2013年01期

相關(guān)博士學(xué)位論文 前10條

1 李建平;面向異構(gòu)數(shù)據(jù)源的網(wǎng)絡(luò)安全態(tài)勢感知模型與方法研究[D];哈爾濱工程大學(xué);2010年

2 閆華;非線性通信信號處理方法研究[D];電子科技大學(xué);2011年

3 劉祥明;水質(zhì)時間序列數(shù)據(jù)挖掘及其應(yīng)用集成研究[D];重慶大學(xué);2011年

4 王建民;基于回聲狀態(tài)網(wǎng)絡(luò)的非線性時間序列預(yù)測方法研究[D];哈爾濱工業(yè)大學(xué);2011年

5 陳濱;混沌在時變參數(shù)保密通信及雷達波形設(shè)計中的應(yīng)用基礎(chǔ)研究[D];電子科技大學(xué);2007年

6 辛菁;機器人無標定視覺伺服控制系統(tǒng)研究[D];西安理工大學(xué);2007年

7 汪金菊;貝葉斯模型及其在混沌序列分析中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2008年

8 孟慶芳;非線性動力系統(tǒng)時間序列分析方法及其應(yīng)用研究[D];山東大學(xué);2008年

9 趙柏山;混沌保密通信系統(tǒng)若干問題的研究[D];大連海事大學(xué);2008年

10 封云;復(fù)雜供應(yīng)鏈系統(tǒng)牛鞭效應(yīng)的若干問題研究[D];天津大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 葉春;局域支持向量機的改進及其在網(wǎng)絡(luò)流量預(yù)測中的應(yīng)用[D];西華大學(xué);2010年

2 章寅;多模型融合軟測量方法研究與應(yīng)用[D];蘭州理工大學(xué);2011年

3 臧秀鳳;混沌系統(tǒng)控制與反同步方法研究[D];燕山大學(xué);2010年

4 魏茹;多元混沌時間序列的變量選擇及預(yù)測方法研究[D];大連理工大學(xué);2007年

5 殷佳;基于小波神經(jīng)網(wǎng)絡(luò)的混沌時間序列建模研究[D];大連理工大學(xué);2007年

6 林椿皓;局域支持向量回歸及其在時空混沌序列預(yù)測中的應(yīng)用[D];汕頭大學(xué);2008年

7 林蘭馨;局域多分辨小波支持向量回歸模型的研究及其應(yīng)用[D];汕頭大學(xué);2009年

8 柴佳林;復(fù)雜切換場景下異構(gòu)無線網(wǎng)絡(luò)選擇算法研究[D];西華大學(xué);2009年

9 張升;無線網(wǎng)絡(luò)流量分析與預(yù)測方法的研究[D];西華大學(xué);2009年

10 劉昶伶;銀行信用卡操作風(fēng)險研究[D];南華大學(xué);2010年

【二級參考文獻】

相關(guān)期刊論文 前9條

1 陶鈞,謝書明,柴天佑;轉(zhuǎn)爐煉鋼控制模型的研究與展望[J];鋼鐵;1999年08期

2 李忠,張波,毛宗源;永磁同步電動機系統(tǒng)的納入軌道和強迫遷徙控制[J];控制理論與應(yīng)用;2002年01期

3 謝書明,陶鈞,柴天佑;基于神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐煉鋼終點控制[J];控制理論與應(yīng)用;2003年06期

4 張紹德;毛雪菲;毛雪芹;高尚義;;基于grey Markov-支持向量機的電弧爐終點參數(shù)預(yù)報[J];控制理論與應(yīng)用;2009年12期

5 王勇,楊寧川,王承寬;我國轉(zhuǎn)爐煉鋼的現(xiàn)狀和發(fā)展[J];特殊鋼;2005年04期

6 韋保林,羅曉曙,汪秉宏,全宏俊,郭維,傅金階;一種基于三階Volterra濾波器的混沌時間序列自適應(yīng)預(yù)測方法[J];物理學(xué)報;2002年10期

7 張家樹;黨建亮;李恒超;;時空混沌序列的局域支持向量機預(yù)測[J];物理學(xué)報;2007年01期

8 ;Endpoint Prediction of EAF Based on Multiple Support Vector Machines[J];Journal of Iron and Steel Research(International);2007年02期

9 張建民;王科俊;;永磁同步電機的模糊混沌神經(jīng)網(wǎng)絡(luò)建模[J];中國電機工程學(xué)報;2007年03期

，

本文編號：2361193