基于EMD和粒子群优化的LS-SVM的网络流量预测

发布时间：2018-02-27 01:08

本文关键词： 经验模式分解本征模式分量粒子群最小二乘支持向量机组合预测　出处：《计算机工程与设计》2013年12期 　论文类型：期刊论文

【摘要】：针对网络流量时间序列呈现出的非线性、非平稳、多尺度的特点,提出了一种结合经验模式分解(EMD)和粒子群优化的最小二乘支持向量机(LS-SVM)的流量预测模型。通过EMD分解,将原始流量的非平稳序列分解为若干不同尺度的平稳IMF(固有模态分量)分量,用粒子群优化的LS-SVM分别对各分量进行预测,通过SVM组合得到原始序列的预测结果。仿真结果表明,该方法不仅能够获得较高的预测精度,还能够反映原始流量数据的突变性。
[Abstract]:In view of the nonlinear, non-stationary and multi-scale characteristics of network traffic time series, a traffic prediction model based on empirical mode decomposition (EMD) and particle swarm optimization (PSO) based on least squares support vector machine (LS-SVM) is proposed. The non-stationary sequence of the original flow is decomposed into several stationary IMF (intrinsic mode component) components of different scales. The components are predicted by LS-SVM of particle swarm optimization, and the prediction results of the original sequence are obtained by SVM combination. The simulation results show that, This method can not only obtain high prediction accuracy, but also reflect the mutation of the original flow data.
【作者单位】：新疆大学信息科学与工程学院;中国移动通信集团新疆有限公司;
【基金】：中国移动通信集团新疆有限公司研究发展基金项目(XJM2012-01)
【分类号】：TP393.06

【参考文献】