隨著流量數(shù)據(jù)的增加,網(wǎng)絡(luò)流量呈現(xiàn)出復(fù)雜多變的特點(diǎn),為了方便站點(diǎn)的運(yùn)營(yíng)和網(wǎng)絡(luò)的管理,需要對(duì)網(wǎng)絡(luò)流量進(jìn)行預(yù)測(cè)。當(dāng)前,網(wǎng)絡(luò)流量預(yù)測(cè)多采用回歸預(yù)測(cè)模型、卡爾曼濾波模型、神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型等方法。文中考慮高性能計(jì)算環(huán)境下作業(yè)管理系統(tǒng)日志流量的特點(diǎn)和預(yù)測(cè)需求等因素,通過(guò)分析卡爾曼濾波算法和支持向量機(jī)的原理與缺點(diǎn),提出了一種基于時(shí)間序列,結(jié)合卡爾曼濾波和支持向量機(jī)的并聯(lián)組合模型,并對(duì)其進(jìn)行了測(cè)試與分析。結(jié)果表明,在相同的環(huán)境下,基于卡爾曼濾波算法和支持向量機(jī)的并聯(lián)組合模型相比于卡爾曼濾波算法和支持向量機(jī)單個(gè)模型對(duì)流量的預(yù)測(cè)與實(shí)際流量值誤差更小,預(yù)測(cè)結(jié)果也是可靠有效的,更適用于預(yù)測(cè)站點(diǎn)流量。 

【文章來(lái)源】：計(jì)算機(jī)技術(shù)與發(fā)展. 2020,30(09)

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引 言
1 卡爾曼濾波
2 支持向量機(jī)（SVM）
3 并聯(lián)組合模型
    3.1 流量預(yù)測(cè)模型
    3.2 并聯(lián)組合模型設(shè)計(jì)
4 實(shí)驗(yàn)及結(jié)果分析
    4.1 實(shí)驗(yàn)環(huán)境
    4.2 實(shí)驗(yàn)步驟
    4.3 結(jié)果分析
5 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]網(wǎng)絡(luò)流量預(yù)測(cè)模型研究進(jìn)展[J]. 邱婧,夏靖波,吳吉祥.  計(jì)算機(jī)工程與設(shè)計(jì). 2012(03)
[2]網(wǎng)絡(luò)流量預(yù)測(cè)方法和實(shí)際預(yù)測(cè)分析[J]. 鄭成興.  計(jì)算機(jī)工程與應(yīng)用. 2006(23)



本文編號(hào)：3156410