針對復雜的網(wǎng)絡流量呈現(xiàn)出的多種特性,傳統(tǒng)的單一模型預測效果差。為了提高流量預測的準確性和實時性,提出了一種基于經(jīng)驗模態(tài)分解(EMD)和聚類的網(wǎng)絡流量預測模型。首先通過EMD將網(wǎng)絡流量分解為不同時間尺度上頻率單一的本征模函數(shù)(IMFs);其次通過改進的K均值聚類算法對IMF分量做聚類分析,將復雜度相近的IMF分量聚到一起;然后對聚類的IMF分量用自回歸移動平均(ARMA)模型進行預測;最后將各IMF分量序列的預測值進行求和得到網(wǎng)絡流量的預測值。實驗結(jié)果證明,與EMD-ARMA模型相比,該模型不僅縮短了訓練耗時,且均方誤差(MSE)、平均絕對誤差(MAE)分別下降了13.8%和7.6%,趨勢預測準確率(APT)提高了6%,提高了網(wǎng)絡流量的預測精度,可用于實時流量預測。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 基于EMD聚類的實時網(wǎng)絡流量預測模型
    2.1 EMD分解
    2.2 聚類分析
    2.3 ARMA模型
3 實驗仿真
    3.1 數(shù)據(jù)來源
    3.2 評價指標
    3.3 實驗分析



本文編號：3874597