基于ARIMA补偿ELM的网络流量预测方法

发布时间：2017-10-27 04:04

  本文关键词：基于ARIMA补偿ELM的网络流量预测方法

  更多相关文章： 网络流量 预测 极限学习机 自回归积分滑动平均模型(ARIMA) 自相似性

【摘要】：针对网络流量的预测问题,结合网络流量序列的自相似性分析而提出一种基于差分自回归滑动平均模型(ARIMA)补偿极限学习机(ELM)的网络流量预测方法.首先利用ELM模型对网络流量序列进行一步预测,然后对网络流量预测的误差序列通过ARIMA模型进行修正,最后将ELM模型预测值与ARIMA模型修正值进行叠加得到最终的预测值.与单独的ARIMA模型、最小二乘支持向量机(LS-SVM)预测模型以及Elman神经网络预测模型进行了对比,仿真结果表明本文的方法具有更高的预测精度.
【作者单位】： 沈阳工业大学信息科学与工程学院;
【关键词】： 网络流量 预测 极限学习机 自回归积分滑动平均模型(ARIMA) 自相似性
【基金】：国家自然科学基金重点基金资助项目(61034005)
【分类号】：TP393.06
【正文快照】： 自回归积分滑动平均模型(ARIMA)自相似性1引言网络流量是目前网络管理的一个重要参数,在网络资源有限的情况下设计网络的拥塞控制策略时,网络流量的准确预测对于减少网络拥塞、合理分配资源、提高网络服务质量及发现网络异常行为等具有非常重要的作用[1].很多文献将网络流量看

【参考文献】

中国期刊全文数据库 前6条

1 孙韩林;金跃辉;崔毅东;程时端;;粗粒度网络流量的灰色模型预测[J];北京邮电大学学报;2010年01期

2 姜明;吴春明;张e，

本文编号：1101817