本文關(guān)鍵詞：混沌理論與極限學(xué)習(xí)機的網(wǎng)絡(luò)流量預(yù)測　出處：《內(nèi)蒙古師范大學(xué)學(xué)報(自然科學(xué)漢文版)》2016年05期 　論文類型：期刊論文

  更多相關(guān)文章： 網(wǎng)絡(luò)流量 極限學(xué)習(xí)機 小波分析 相空間重構(gòu)

【摘要】：提出一種混沌理論和極限學(xué)習(xí)機的網(wǎng)絡(luò)流量預(yù)測模型.首先對網(wǎng)絡(luò)流量時間序列進行小波分解得到不同分量,然后采用混沌理論對各分量進行相空間重構(gòu),并利用神經(jīng)網(wǎng)絡(luò)中的極限學(xué)習(xí)機進行建模,得到各分量的預(yù)測結(jié)果,最后采用對分量的預(yù)測值進行疊加組合,并采用具體網(wǎng)絡(luò)流數(shù)據(jù)集進行模擬測試.相對于其他模型,混沌理論和極限學(xué)習(xí)機的網(wǎng)絡(luò)流量預(yù)測模型能準(zhǔn)確地反映網(wǎng)絡(luò)流量的變化特性,獲得更高精度的預(yù)測結(jié)果.
[Abstract]:This paper presents a chaotic theory and a network traffic prediction model based on LLM. Firstly, different components are obtained by wavelet decomposition of network traffic time series, and then each component is reconstructed in phase space by chaotic theory. Using the ultimate learning machine in the neural network to model, the prediction results of each component are obtained. Finally, the prediction value of the component is superimposed and combined. Compared with other models, chaos theory and network traffic prediction model of LLM can accurately reflect the characteristics of network traffic. More accurate prediction results are obtained.
【作者單位】： 內(nèi)蒙古財經(jīng)大學(xué)計算機信息管理學(xué)院;
【基金】：國家社會科學(xué)基金資助項目(BCA060016) 內(nèi)蒙古自然科學(xué)基金資助項目(2013MS0901)
【分類號】：TP393.06;TP18;O415.5
【正文快照】： 隨著模式識別技術(shù)的成熟,許多學(xué)者將一些非線性模型應(yīng)用于網(wǎng)絡(luò)流量預(yù)測中,其中經(jīng)典的網(wǎng)絡(luò)流量預(yù)測模型有灰色模型、神經(jīng)網(wǎng)絡(luò)、支持向量機及各種組合模型[1].20世紀(jì)80年代,隨著混沌理論研究的不斷深入,有學(xué)者發(fā)現(xiàn)網(wǎng)絡(luò)流量時間序列具有明顯的混沌特征,并提出基于混沌理論的網(wǎng)絡(luò)

【相似文獻】

相關(guān)期刊論文 前9條

1 姚奇富;李翠鳳;馬華林;張森;;灰色系統(tǒng)理論和馬爾柯夫鏈相結(jié)合的網(wǎng)絡(luò)流量預(yù)測方法[J];浙江大學(xué)學(xué)報(理學(xué)版);2007年04期

2 黨小超;胡廣濤;郝占軍;;最大Lyapunov指數(shù)改進算法的網(wǎng)絡(luò)流量預(yù)測[J];蘇州科技學(xué)院學(xué)報(自然科學(xué)版);2011年01期

3 王洪智;劉震;李東輝;;基于多分類支持向量機的網(wǎng)絡(luò)流量預(yù)測方法[J];科技導(dǎo)報;2014年17期

4 許輝;譚敏生;;殘差灰色模型在網(wǎng)絡(luò)流量預(yù)測中的應(yīng)用[J];電腦知識與技術(shù);2010年03期

5 李振剛;;基于高斯過程回歸的網(wǎng)絡(luò)流量預(yù)測模型[J];計算機應(yīng)用;2014年05期

6 馬華林;張立燕;;基于自適應(yīng)過濾法和馬爾柯夫鏈的網(wǎng)絡(luò)流量預(yù)測方法[J];計算機應(yīng)用與軟件;2009年12期

7 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

8 張帆;城市交通網(wǎng)絡(luò)流量預(yù)測方法比較[J];科技進步與對策;2004年11期

9 ;[J];;年期

相關(guān)會議論文 前3條

1 盧丹蕾;孫艷華;張延華;;基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)流量預(yù)測[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

2 李林峰;裘正定;;時間序列分析在網(wǎng)絡(luò)流量預(yù)測中的應(yīng)用研究[A];2005通信理論與技術(shù)新進展——第十屆全國青年通信學(xué)術(shù)會議論文集[C];2005年

3 張黎;孫艷華;張延華;;隨季節(jié)變化的海量網(wǎng)絡(luò)數(shù)據(jù)預(yù)測方法[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

相關(guān)碩士學(xué)位論文 前10條

1 吳佳東;基于回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測研究[D];蘭州大學(xué);2016年

2 李策;基于小波變換的ARMA和極限學(xué)習(xí)機組合模型的網(wǎng)絡(luò)流量預(yù)測[D];蘭州大學(xué);2016年

3 王鵬;網(wǎng)絡(luò)流量預(yù)測技術(shù)研究[D];江南大學(xué);2009年

4 馮華麗;基于智能算法的網(wǎng)絡(luò)流量預(yù)測技術(shù)研究[D];江南大學(xué);2011年

5 文政;基于混沌—支持向量機理論的網(wǎng)絡(luò)流量預(yù)測[D];鄭州大學(xué);2012年

6 桑興華;基于改進支持向量機的網(wǎng)絡(luò)流量預(yù)測算法的研究[D];廣東工業(yè)大學(xué);2012年

7 戴悅;網(wǎng)絡(luò)流量的混沌特性研究及網(wǎng)絡(luò)流量預(yù)測算法研究[D];江南大學(xué);2008年

8 陸國浩;網(wǎng)絡(luò)流量預(yù)測系統(tǒng)的研究與實現(xiàn)[D];蘇州大學(xué);2007年

9 陳振偉;基于神經(jīng)網(wǎng)絡(luò)的改進網(wǎng)絡(luò)流量預(yù)測算法的研究[D];河南大學(xué);2008年

10 閔潔;基于灰色最小二乘支持向量機的網(wǎng)絡(luò)流量預(yù)測系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2012年

，

本文編號：1364289