發(fā)布時(shí)間：2019-05-18 23:55

【摘要】：為了提高網(wǎng)絡(luò)流量的預(yù)測(cè)精度,提出一種相空間重構(gòu)和支持向量機(jī)相結(jié)合的網(wǎng)絡(luò)流量預(yù)測(cè)模型(PSR-SVM)。通過(guò)相空間重構(gòu)對(duì)網(wǎng)絡(luò)流量序列進(jìn)行重構(gòu),重構(gòu)網(wǎng)絡(luò)流量序列輸入到支持向量機(jī)進(jìn)行建模和預(yù)測(cè),利用具體網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn),與BP神經(jīng)網(wǎng)絡(luò)、灰色模型預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,相對(duì)于對(duì)比模型,PSR-SVM提高了網(wǎng)絡(luò)流量的預(yù)測(cè)精度和穩(wěn)定性,能夠很好滿足網(wǎng)絡(luò)流量預(yù)測(cè)實(shí)時(shí)性和高精度要求。
[Abstract]:In order to improve the prediction accuracy of network traffic, a network traffic prediction model (PSR-SVM) based on phase space reconstruction and support vector machine (SVM) is proposed. The network traffic sequence is reconstructed by phase space reconstruction, and the network traffic sequence is input into support vector machine to model and predict. The simulation experiment is carried out by using the specific network traffic data, and the BP neural network is used. The prediction results of grey model are compared. The experimental results show that compared with the comparison model, PSR-SVM improves the prediction accuracy and stability of network traffic, and can meet the real-time and high precision requirements of network traffic prediction.
【作者單位】： 北京聯(lián)合大學(xué)商務(wù)學(xué)院;
【基金】：北京自然科學(xué)基金項(xiàng)目(9251009001000021)
【分類號(hào)】：TP393.06

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 田妮莉;喻莉;;一種基于小波變換和FIR神經(jīng)網(wǎng)絡(luò)的廣域網(wǎng)網(wǎng)絡(luò)流量預(yù)測(cè)模型[J];電子與信息學(xué)報(bào);2008年10期

2 劉淵;王鵬;;融合小波變換與貝葉斯LS-SVM的網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用研究;2009年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前6條

1 劉寧波;關(guān)鍵;張建;;基于分形可變步長(zhǎng)LMS算法的海雜波中微弱目標(biāo)檢測(cè)[J];電子與信息學(xué)報(bào);2010年02期

2 靳召東;陳虹;張鉦浩;;基于自適應(yīng)遺傳算法LS-SVM的網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用與軟件;2010年11期

3 段謨意;;一種新的網(wǎng)絡(luò)流量組合預(yù)測(cè)模型[J];計(jì)算機(jī)工程與應(yīng)用;2012年19期

4 張文金;許愛(ài)軍;;混沌理論和LSSVM相結(jié)合的網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2013年15期

5 邱婧;夏靖波;吳吉祥;;網(wǎng)絡(luò)流量預(yù)測(cè)模型研究進(jìn)展[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年03期

6 段謨意;;基于小波分解和支持向量機(jī)的網(wǎng)絡(luò)流量組合預(yù)測(cè)[J];微電子學(xué)與計(jì)算機(jī);2012年09期

相關(guān)博士學(xué)位論文 前4條

1 高梓賀;基于多Agent系統(tǒng)的LEO衛(wèi)星網(wǎng)絡(luò)路由算法研究[D];哈爾濱工業(yè)大學(xué);2011年

2 那振宇;衛(wèi)星互聯(lián)網(wǎng)服務(wù)質(zhì)量保障方法研究[D];哈爾濱工業(yè)大學(xué);2010年

3 陳曉天;基于軟計(jì)算的IP網(wǎng)絡(luò)流量監(jiān)測(cè)和控制關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2013年

4 李丹丹;認(rèn)知網(wǎng)絡(luò)中具有自主學(xué)習(xí)特征的智能QoS保障機(jī)制研究[D];北京交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前6條

1 王華軍;基于小波分解和ARIMA的網(wǎng)絡(luò)流量模型[D];山東大學(xué);2011年

2 唐俊;基于浮動(dòng)車數(shù)據(jù)的高速公路路段行程時(shí)間預(yù)測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D];中山大學(xué);2011年

3 周曉蕾;網(wǎng)絡(luò)流量預(yù)測(cè)中基于群智能優(yōu)化的SVM模型[D];浙江工業(yè)大學(xué);2009年

4 歐家成;基于神經(jīng)網(wǎng)絡(luò)的自相似業(yè)務(wù)流預(yù)測(cè)研究[D];電子科技大學(xué);2010年

5 王琴琴;GPON系統(tǒng)DBA算法的優(yōu)化研究[D];武漢理工大學(xué);2012年

6 刺婷婷;網(wǎng)絡(luò)流量監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];陜西師范大學(xué);2012年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 白翔宇;葉新銘;蔣海;;基于小波變換與自回歸模型的網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)科學(xué);2007年07期

2 林雪綱;鄭成興;竇e，

本文編號(hào)：2480450