本文關(guān)鍵詞：基于KPCA優(yōu)化ESN的網(wǎng)絡(luò)流量預(yù)測方法

  更多相關(guān)文章： 網(wǎng)絡(luò)流量 預(yù)測 回聲狀態(tài)網(wǎng)絡(luò) 核主成分分析 相空間重構(gòu)

【摘要】：為了提高網(wǎng)絡(luò)流量的預(yù)測精確度,提出一種核主成分分析(KPCA)優(yōu)化回聲狀態(tài)網(wǎng)絡(luò)(ESN)的網(wǎng)絡(luò)流量預(yù)測方法。首先利用相空間重構(gòu)對網(wǎng)絡(luò)流量序列進行處理,提高序列的可預(yù)測性,然后對網(wǎng)絡(luò)流量序列進行核主成分分析,提取序列中的有效信息,通過實驗方法確定回聲狀態(tài)網(wǎng)絡(luò)的儲備池參數(shù),最后利用回聲狀態(tài)網(wǎng)絡(luò)對網(wǎng)絡(luò)流量進行預(yù)測。與標(biāo)準(zhǔn)回聲狀態(tài)網(wǎng)絡(luò)、差分自回歸滑動平均模型(ARIMA)、以及最小二乘支持向量機(LSSVM)預(yù)測模型進行了仿真對比,結(jié)果表明提出的方法具有更高的預(yù)測精確度以及更小的預(yù)測誤差,同時一定程度上減少了預(yù)測時間。
【作者單位】： 沈陽工業(yè)大學(xué)信息科學(xué)與工程學(xué)院;東北大學(xué)信息科學(xué)與工程學(xué)院;
【關(guān)鍵詞】： 網(wǎng)絡(luò)流量 預(yù)測 回聲狀態(tài)網(wǎng)絡(luò) 核主成分分析 相空間重構(gòu)
【基金】：國家自然科學(xué)基金(61034005) 遼寧省博士科研啟動基金(20141070)
【分類號】：TP393.06
【正文快照】： 0引言隨著網(wǎng)絡(luò)技術(shù)的發(fā)展,網(wǎng)絡(luò)規(guī)模變得越來越大和復(fù)雜,網(wǎng)絡(luò)信息流量劇增,網(wǎng)絡(luò)擁塞越來越嚴重,網(wǎng)絡(luò)管理的難度日益增加,如何有效地管理和控制網(wǎng)絡(luò),為用戶提供更加優(yōu)質(zhì)服務(wù)顯得十分重要[1]。網(wǎng)絡(luò)流量是衡量網(wǎng)絡(luò)運行負荷和狀態(tài)的重要參數(shù),通過對網(wǎng)絡(luò)流量進行監(jiān)測,可以及時了解網(wǎng)

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 唐舟進;彭濤;王文博;;一種基于相關(guān)分析的局域最小二乘支持向量機小尺度網(wǎng)絡(luò)流量預(yù)測算法[J];物理學(xué)報;2014年13期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 黃天云;;約束優(yōu)化模式搜索法研究進展[J];計算機學(xué)報;2008年07期

2 蔡從中;裴軍芳;溫玉鋒;朱星鍵;肖婷婷;;選擇性激光燒結(jié)成型件密度的支持向量回歸預(yù)測[J];物理學(xué)報;2009年S1期

3 ;WPANFIS:combine fuzzy neural network with multiresolution for network traffic prediction[J];The Journal of China Universities of Posts and Telecommunications;2010年04期

4 孟慶芳;陳月輝;馮志全;王楓林;陳珊珊;;基于局域相關(guān)向量機回歸模型的小尺度網(wǎng)絡(luò)流量的非線性預(yù)測[J];物理學(xué)報;2013年15期

5 孫韓林;金躍輝;崔毅東;程時端;;Network traffic prediction by a wavelet-based combined model[J];Chinese Physics B;2009年11期

6 唐舟進;任峰;彭濤;王文博;;基于迭代誤差補償?shù)幕煦鐣r間序列最小二乘支持向量機預(yù)測算法[J];物理學(xué)報;2014年05期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姜明;吳春明;張e，

本文編號：945600