基于小波变换和极限学习机的网络流量预测模型

发布时间：2021-07-09 09:22

　　为了提高网络流量预测准确性,结合网络流量的变化特点,针对当前网络流量预测模型存在的局限性,设计了基于小波变换和极限学习机的网络流量预测模型。首先分析了当前国内外网络流量预测研究现状,找到引起网络流量预测准确性差的原因;然后采用小波变换对原始网络流量时间序列进行去噪,得到无噪声的网络流量时间序列;最后采用极限学习机对网络流量时间序列进行建模,得到相应的预测结果。与当前经典的网络流量预测模型在相同环境下进行对照测试,测试结果分析表明,小波变换和极限学习机的网络流量预测精度达到了95%以上,网络流量预测误差得到了有效的控制,而且提升了网络流量预测效率,预测结果要远优于当前经典的网络流量预测模型。 

【文章来源】：微型电脑应用. 2020,36(01)

【文章页数】：3 页

【部分图文】：

网络流量仿真测试的原始数据

本文模型的网络流量预测效果

小波变换和极限学习机的网络流量预测流程

【参考文献】：
期刊论文
[1]相空间重构和极限学习机的网络流量预测模型[J]. 袁开银,魏彬.  控制工程. 2018(11)
[2]基于深度置信回声状态网络的网络流量预测模型[J]. 李莹琦,黄越,孙晓川.  南京邮电大学学报(自然科学版). 2018(05)
[3]基于组合模型的网络流量预测[J]. 李巧侠.  微型电脑应用. 2018(08)
[4]基于云计算和极限学习机的网络流量预测研究[J]. 王柯.  山东农业大学学报(自然科学版). 2018(04)
[5]基于AVMD-DE和IBSA-KELM的混沌网络流量组合预测[J]. 陈颖,魏臻,程磊.  计算机应用与软件. 2018(06)
[6]基于极端学习机的网络流量预测模型[J]. 鲁华栋,时磊.  微型电脑应用. 2018(04)
[7]基于改进黑洞算法优化ESN的网络流量短期预测[J]. 韩莹,井元伟,金建宇,李琨.  东北大学学报(自然科学版). 2018(03)
[8]改进极限学习机的网络流量混沌预测[J]. 刘蕴,焦妍,王华东.  南京理工大学学报. 2017(04)
[9]基于WA-ELM的网络流量混沌预测模型[J]. 胡竟伟.  微电子学与计算机. 2017(06)
[10]基于直觉模糊综合评判的网络流量预测方法[J]. 常海滨.  微型电脑应用. 2017(05)



本文编号：3273480