基于组合模型的网络流量预测

发布时间：2017-06-26 19:15

  本文关键词：基于组合模型的网络流量预测，由笔耕文化传播整理发布。

【摘要】：为了更好地对网络流量进行分析和管理,提出一种基于小波变换、自回归滑动平均模型(ARMA)和极限学习机(ELM)的组合预测模型W-ARMA-ELM.原始数据通过小波分解产生近似序列和细节序列,通过对分解序列的自相关性和偏自相关分析,平稳序列使用ARMA预测,而非平稳序列使用ELM预测.使用兰州大学教育网、网通流量数据和英国学术主干网流量数据三组不同的网络流量数据来检验组合模型W-ARMAELM的预测性能.实验结果表明提出的组合方法要比单一的ARMA和ELM预测效果要好.同时指出使用自相关和偏自相关分析相结合的方法对分解后的子序列进行平稳性判定有助于选择合适的组合模型从而提高预测精度.
【作者单位】： 兰州大学通信网络中心;兰州大学信息科学与工程学院;
【关键词】： 小波变换 自回归滑动平均模型 极限学习机 网络流量预测 组合模型
【分类号】：TP393.06
【正文快照】： 随着计算机技术的飞速发展,计算机网络已经发展成为现代化社会最为基础的设施之一,人们的日常生活与之也越来越紧密.Internet网民数量呈爆炸式的增长,各种网络应用也层出不穷,这对计算机网络管理提出了巨大挑战.利用网络流量分析建立有效的拥塞机制,找出异常的数据包,避免网络

【相似文献】

中国期刊全文数据库 前10条

1 陈振伟;王茜;黄继红;;基于多神经网络的网络流量预测模型[J];计算机安全;2010年12期

2 于静;王辉;;基于组合模型的网络流量预测[J];计算机工程与应用;2013年08期

3 叶苗;王勇;;基于支持向量回归学习机的网络流量预测[J];桂林工学院学报;2007年02期

4 张正本;翟海庆;;基于组合模型的网络流量预测[J];河南机电高等专科学校学报;2008年06期

5 周丹琪;乔国平;张泉方;;基于K-Factor GARMA模型的网络流量预测[J];江南大学学报(自然科学版);2008年02期

6 姜明;吴春明;张e，

本文编号：487312