一种基于并联组合模型预测站点流量的策略

发布时间：2021-04-24 01:26

　　随着流量数据的增加,网络流量呈现出复杂多变的特点,为了方便站点的运营和网络的管理,需要对网络流量进行预测。当前,网络流量预测多采用回归预测模型、卡尔曼滤波模型、神经网络模型、支持向量机模型等方法。文中考虑高性能计算环境下作业管理系统日志流量的特点和预测需求等因素,通过分析卡尔曼滤波算法和支持向量机的原理与缺点,提出了一种基于时间序列,结合卡尔曼滤波和支持向量机的并联组合模型,并对其进行了测试与分析。结果表明,在相同的环境下,基于卡尔曼滤波算法和支持向量机的并联组合模型相比于卡尔曼滤波算法和支持向量机单个模型对流量的预测与实际流量值误差更小,预测结果也是可靠有效的,更适用于预测站点流量。 

【文章来源】：计算机技术与发展. 2020,30(09)

【文章页数】：6 页

【文章目录】：
0 引 言
1 卡尔曼滤波
2 支持向量机（SVM）
3 并联组合模型
    3.1 流量预测模型
    3.2 并联组合模型设计
4 实验及结果分析
    4.1 实验环境
    4.2 实验步骤
    4.3 结果分析
5 结束语


【参考文献】：
期刊论文
[1]网络流量预测模型研究进展[J]. 邱婧,夏靖波,吴吉祥.  计算机工程与设计. 2012(03)
[2]网络流量预测方法和实际预测分析[J]. 郑成兴.  计算机工程与应用. 2006(23)



本文编号：3156410