基于大数据分析的非线性网络流量组合预测模型

发布时间：2021-03-24 09:11

　　针对传统方法不能对网络流量变化特征进行准确描述,并且预测精度较低的问题,提出了基于大数据分析的非线性网络流量组合预测模型.通过对非线性网络流量数据进行有效分解,获得不同尺度的分量,利用混沌理论对多尺度分量进行相空间重构获得流量子序列.构建改进鸟群算法优化模型,并对重构后的网络流量子序列进行预测和组合,获得网络流量预测结果.结果表明,所提模型能够精确地描述网络流量的非线性、周期性以及长相关性等变化特征,具有较高的预测精度. 

【文章来源】：沈阳工业大学学报. 2020,42(06)北大核心

【文章页数】：6 页

【部分图文】：

网络流量原始时间序列

分析图2a可知，训练数据集中的网络流量数据具有非线性的特点，数值变化幅度较大，并且变化幅度较大的流量数据会掩盖变化幅度较小的流量数据;图2b测试训练集中的网络流量数据虽少，但是也呈现出非线性的变化特点．为了从采集的网络流量数据样本中获取其变化规律，对图2中的流量进行归一化处理，即式中:xmax和xmin分别为归一化处理后的流量数据最大值和最小值;x为原始网络流量数据值．

分析图3可知，最优延迟时间为t=5，最优嵌入维度为m=4．选定t=5、m=4对网络流量数据进行重构，获得网络流量样本数据，并将其划分为训练集和测试集．将非线性网络流量训练集输入到核极限学习机模型中进行学习，采用改进鸟群算法优化核极限学习机模型，并构建组合预测模型，预测结果以及预测误差的变化如图4所示．

【参考文献】：
期刊论文
[1]高速公路交通流量预测模型仿真[J]. 赵晓静,舒勤,黄宏光.  计算机仿真. 2017(06)
[2]网络流量监控系统的概述与实现[J]. 王洪蕾,双凯,柴琦,王雪凤.  电子设计工程. 2017(11)
[3]基于线性多尺度模型的计算机网络数据流量预测[J]. 段华琼,唐宾徽.  沈阳工业大学学报. 2017(03)
[4]基于组合模型的网络流量预测[J]. 张洋,吴斌,张继革,陈文波.  华中科技大学学报(自然科学版). 2016(S1)
[5]集成BP神经网络预测模型的研究与应用[J]. 赵会敏,雒江涛,杨军超,徐正,雷晓,罗林.  电信科学. 2016(02)
[6]基于自组织映射神经网络的局部自回归方法在网络流量预测中的应用[J]. 李军,黄杰.  信息与控制. 2016(01)
[7]相关向量机超参数优化的小时间尺度网络流量非线性预测方法[J]. 肖汉杰,桑秀丽.  计算机应用研究. 2016(06)
[8]基于FCM-LSSVM网络流量预测模型[J]. 殷荣网.  计算机工程与应用. 2016(01)
[9]基于小波分解和支持向量机的网络流量组合预测[J]. 段谟意.  微电子学与计算机. 2012(09)
[10]交通流灰色RBF网络非线性组合预测方法[J]. 张敬磊,王晓原.  数学的实践与认识. 2011(19)



本文编号：3097464