经验模式分解与时间序列分析在网络流量预测中的应用

发布时间：2018-01-07 19:16

本文关键词：经验模式分解与时间序列分析在网络流量预测中的应用　出处：《控制与决策》2015年05期 　论文类型：期刊论文

【摘要】：提出一种经验模式分解和时间序列分析的网络流量预测方法.首先,对网络流量时间序列进行经验模式分解,产生高低频分量和余量;然后,对各分量进行时间序列分析,确保高频分量采用改进和声搜索算法优化的最小二乘支持向量机模型、低频分量和余量采用差分自回归滑动平均模型进行建模和预测;最后,将预测结果通过RBF神经网络进行非线性叠加,得到最终的预测值.仿真实验表明,所提出方法具有更好的预测效果和更高的预测精度.
[Abstract]:The prediction method of network traffic analysis an empirical mode decomposition and time series. Firstly, the network traffic time series empirical mode decomposition, produce high frequency components and allowance; then, time series analysis of the components, ensure the high frequency component with improved harmony search algorithm to optimize the least squares support vector machine model, and the low frequency component margin by ARIMA model for modeling and prediction; finally, the prediction results using RBF neural network nonlinear superposition, get the final prediction value. Simulation results show that the proposed method has better prediction effect and higher prediction accuracy.

【作者单位】：沈阳工业大学信息科学与工程学院;东北大学信息科学与工程学院;
【基金】：国家自然科学基金重点项目(61034005)
【分类号】：TP393.06
【正文快照】： 0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、提高网络服务质量和发现网络异常行为等具有重要的作用[1].近年来研究发现,网络流量即使在流量突变时也呈现出一定的变化规律

【参考文献】