為了提高網(wǎng)絡流量預測準確性,結合網(wǎng)絡流量的變化特點,針對當前網(wǎng)絡流量預測模型存在的局限性,設計了基于小波變換和極限學習機的網(wǎng)絡流量預測模型。首先分析了當前國內(nèi)外網(wǎng)絡流量預測研究現(xiàn)狀,找到引起網(wǎng)絡流量預測準確性差的原因;然后采用小波變換對原始網(wǎng)絡流量時間序列進行去噪,得到無噪聲的網(wǎng)絡流量時間序列;最后采用極限學習機對網(wǎng)絡流量時間序列進行建模,得到相應的預測結果。與當前經(jīng)典的網(wǎng)絡流量預測模型在相同環(huán)境下進行對照測試,測試結果分析表明,小波變換和極限學習機的網(wǎng)絡流量預測精度達到了95%以上,網(wǎng)絡流量預測誤差得到了有效的控制,而且提升了網(wǎng)絡流量預測效率,預測結果要遠優(yōu)于當前經(jīng)典的網(wǎng)絡流量預測模型。 

【文章來源】：微型電腦應用. 2020,36(01)

【文章頁數(shù)】：3 頁

【部分圖文】：

網(wǎng)絡流量仿真測試的原始數(shù)據(jù)

本文模型的網(wǎng)絡流量預測效果

小波變換和極限學習機的網(wǎng)絡流量預測流程

【參考文獻】：
期刊論文
[1]相空間重構和極限學習機的網(wǎng)絡流量預測模型[J]. 袁開銀,魏彬.  控制工程. 2018(11)
[2]基于深度置信回聲狀態(tài)網(wǎng)絡的網(wǎng)絡流量預測模型[J]. 李瑩琦,黃越,孫曉川.  南京郵電大學學報(自然科學版). 2018(05)
[3]基于組合模型的網(wǎng)絡流量預測[J]. 李巧俠.  微型電腦應用. 2018(08)
[4]基于云計算和極限學習機的網(wǎng)絡流量預測研究[J]. 王柯.  山東農(nóng)業(yè)大學學報(自然科學版). 2018(04)
[5]基于AVMD-DE和IBSA-KELM的混沌網(wǎng)絡流量組合預測[J]. 陳穎,魏臻,程磊.  計算機應用與軟件. 2018(06)
[6]基于極端學習機的網(wǎng)絡流量預測模型[J]. 魯華棟,時磊.  微型電腦應用. 2018(04)
[7]基于改進黑洞算法優(yōu)化ESN的網(wǎng)絡流量短期預測[J]. 韓瑩,井元偉,金建宇,李琨.  東北大學學報(自然科學版). 2018(03)
[8]改進極限學習機的網(wǎng)絡流量混沌預測[J]. 劉蘊,焦妍,王華東.  南京理工大學學報. 2017(04)
[9]基于WA-ELM的網(wǎng)絡流量混沌預測模型[J]. 胡竟偉.  微電子學與計算機. 2017(06)
[10]基于直覺模糊綜合評判的網(wǎng)絡流量預測方法[J]. 常海濱.  微型電腦應用. 2017(05)



本文編號：3273480