本文關(guān)鍵詞：基于Morlet-SVR和ARIMA組合模型的網(wǎng)絡(luò)流量預(yù)測

  更多相關(guān)文章： 流量預(yù)測 小波核函數(shù) Morlet支持向量機回歸算法 自回歸積分滑動平均模型

【摘要】：針對網(wǎng)絡(luò)流量的非線性和多維度動力學(xué)特性,結(jié)合小波多尺度分析的能力,提出了基于Morlet小波核函數(shù)的支持向量機回歸算法(Morlet-SVR)和自回歸積分滑動平均模型(ARIMA)的組合模型預(yù)測網(wǎng)絡(luò)流量.采用MorletSVR和ARIMA分別預(yù)測通過Mallat小波分解和單支重構(gòu)得到的近似信號和多尺度細節(jié)信號,最后通過線性疊加得到最終預(yù)測結(jié)果.通過仿真實驗分別對比分析了基于徑向基核函數(shù)的支持向量機回歸算法和ARIMA預(yù)測模型,通過3種誤差評估得知該組合模型具有更高的預(yù)測精度.
【作者單位】： 西安交通大學(xué)軟件學(xué)院;西安交通大學(xué)電子與信息工程學(xué)院;西安郵電大學(xué)通信與信息工程學(xué)院;
【關(guān)鍵詞】： 流量預(yù)測 小波核函數(shù) Morlet支持向量機回歸算法 自回歸積分滑動平均模型
【基金】：國家自然科學(xué)基金項目(61371087) 國家高技術(shù)研究發(fā)展計劃(863計劃)項目(2015AA015702)
【分類號】：TP393.06
【正文快照】： 網(wǎng)絡(luò)流量預(yù)測研究對管理者實時監(jiān)控網(wǎng)絡(luò)流量和優(yōu)化網(wǎng)絡(luò)部署方案有著重要的意義.目前關(guān)于網(wǎng)絡(luò)流量預(yù)測研究方法主要分為兩類:針對線性時間序列的預(yù)測和非線性時間序列預(yù)測.線性時間序列預(yù)測算法典型的有自回歸模型[1]、自回歸滑動平均模型(ARMA,auto regressive moving average

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王習(xí)濤;;ARIMA模型在期貨交易預(yù)測中的應(yīng)用研究[J];微計算機信息;2006年15期

2 張翼飛;陳洪;劉嶺;張彥琦;郭波濤;易東;;ARIMA季節(jié)乘積模型在腸道傳染病預(yù)測中的應(yīng)用[J];激光雜志;2008年02期

3 蔣金良;林廣明;;基于ARIMA模型的自動站風(fēng)速預(yù)測[J];控制理論與應(yīng)用;2008年02期

4 曹昱東;王浩;;基于ARIMA模型上海市生活垃圾的預(yù)測與分析[J];電子測試;2013年16期

5 吳u，

本文編號：696114