基于动态加权LS-SVM的网络流量混沌预测

发布时间：2018-05-20 08:42

  本文选题：网络流量 + 加权最小二乘支持向量机　； 参考：《电视技术》2013年07期

【摘要】：网络流量是具有复杂非线性、不确定时变性的混沌时间序列。为提高标准最小二乘支持向量机的预测精度与自适应性,提出一种基于动态加权最小二乘支持向量机的网络流量混沌预测方法。该方法在标准LS-SVM回归机的训练样本误差设置时间权,增强对非线性样本的逼近能力。然后结合滚动窗与迭代求逆法实现模型动态在线校正,进而克服网络变化时的累积误差。仿真实验结果表明,相对常规LS-SVM,该模型能降低预测误差、减少计算时间,实现高精度实时混沌流量估计。
[Abstract]:Network traffic is a chaotic time series with complex nonlinear and uncertain time-varying characteristics. In order to improve the prediction accuracy and adaptability of standard least squares support vector machine (LS-SVM), a chaotic prediction method for network traffic based on dynamic weighted least squares support vector machine (LS-SVM) is proposed. This method sets the time weight in the training sample error of the standard LS-SVM regression machine and enhances the ability of approximation to the nonlinear sample. Then the dynamic on-line correction of the model is realized by combining the rolling window with the iterative inversion method to overcome the accumulated errors when the network changes. The simulation results show that compared with the conventional LS-SVM, the proposed model can reduce the prediction error, reduce the computational time and realize the real-time chaotic flow estimation with high accuracy.
【作者单位】： 华东交通大学电气与电子工程学院;
【基金】：国家自然科学基金项目(61164011)
【分类号】：TP393.06

【参考文献】

相关期刊论文 前5条

1 李明迅;孟相如;温祥西;袁荣坤;;基于在线LS-SVM的网络流量预测[J];电视技术;2012年07期

2 罗峗骞;夏靖波;王焕彬;;混沌-支持向量机回归在流量预测中的应用研究[J];计算机科学;2009年07期

3 靳召东;陈虹;张钲浩;;基于自适应遗传算法LS-SVM的网络流量预测[J];计算机应用与软件;2010年11期

4 赵永平;孙健国;;基于滚动窗法最小二乘支持向量机的稳健预测模型[J];模式识别与人工智能;2008年01期

5 陆锦军;王执铨;;基于混沌特性的网络流量预测[J];南京航空航天大学学报;2006年02期

相关硕士学位论文 前1条

1 王鹏;网络流量预测技术研究[D];江南大学;2009年

【共引文献】

相关期刊论文 前10条

1 薛向红;薛小锋;;基于相空间重构—SVM的公交客流量预测研究[J];江苏技术师范学院学报;2010年09期

2 李明迅;孟相如;温祥西;袁荣坤;;基于在线LS-SVM的网络流量预测[J];电视技术;2012年07期

3 张高锋;宁立强;罗光明;张梦花;王权;;和田泉水涌出量的混沌特性分析与预测[J];地下水;2007年04期

4 温祥西;孟相如;马志强;张永春;;小时间尺度网络流量混沌性分析及趋势预测[J];电子学报;2012年08期

5 付学良;杨洋;李纯子;;基于混沌—支持向量机的大气污染物浓度预测模型[J];电子世界;2013年04期

6 尹波;夏靖波;倪娟;余辉;;基于预测和动态阈值的流量异常检测机制研究[J];电视技术;2013年01期

7 包鑫;戴连奎;;基于M估计器的支持向量机算法及其应用[J];化工学报;2009年07期

8 晏新祥;邓磊;夏晓燕;覃锡忠;贾振红;常春;王浩;;基于VMPSO-RBF神经网络的话务量预测[J];激光杂志;2011年04期

9 雷霆;余镇危;;复杂性理论在计算机网络行为研究中的应用[J];计算机工程与应用;2007年35期

10 周欣然;滕召胜;蒋星军;;无偏LSSVM的抗噪在线过程建模方法[J];计算机工程与应用;2010年30期

相关博士学位论文 前4条

1 包鑫;稳健回归技术及其在光谱分析中的应用[D];浙江大学;2010年

2 王永强;考虑环境影响的电容型设备绝缘监测与故障诊断研究[D];华北电力大学（河北）;2009年

3 孙韩林;互联网流量、时延性质及预测模型研究[D];北京邮电大学;2010年

4 黄昭文;无线MESH网络资源调度算法与QoS保障机制研究[D];华南理工大学;2010年

相关硕士学位论文 前10条

1 尹明;一种基于小波神经网络的网络流量预测模型的研究[D];吉林大学;2011年

2 孟艳;协同进化PSO算法优化RBF网络在齿轮箱故障诊断中的应用[D];中北大学;2011年

3 郝占军;网络流量分析与预测模型研究[D];西北师范大学;2011年

4 刘志远;网络流量分析预测系统的设计与实现[D];黑龙江大学;2011年

5 朱凡;校园网络监测预警系统的设计与实现[D];东华大学;2012年

6 王西锋;网络流量的特性分析与预测研究[D];西北大学;2007年

7 吴美美;网络流量特性分析及预测研究[D];天津大学;2008年

8 汪志勇;结合分形神经网络理论的网络流量预测研究[D];江西师范大学;2009年

9 司文;网络流量自相似性分析与预测研究[D];天津大学;2009年

10 董智超;城域网应用层P2P流量预测模型的研究[D];湖南大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 曹庆璞;董淑福;罗峗骞;;网络时延的相空间重构投影寻踪预测方法[J];电视技术;2010年S1期

2 陈惠民,蔡弘,李衍达;自相似业务:基于多分辨率采样和小波分析的Hurst系数估计方法[J];电子学报;1998年07期

3 姜明;吴春明;张e，

本文编号：1913936