基于包容性检验和神经网络的网络流量预测

发布时间：2017-07-17 21:16

  本文关键词：基于包容性检验和神经网络的网络流量预测

  更多相关文章： 组合预测 网络流量 神经网络 包容性检验

【摘要】：网络流量具有复杂多变特征,为了获得理想的预测效果,提出一种包容性检验和BP神经网络相融合的网络流量预测模型(ET-BPNN)。首先采用多个单一模型对网络流量进行预测,然后通过包容性检验选择最合适的基本模型,最后采用BP神经网络确定基本模型权重,建立网络流量预测模型。结果表明,ET-BPNN更加准确地刻画了网络流量变化趋势,各项评价指标均达到更优,为实现网络流量准确预测提供了更为科学的方法。
【作者单位】： 长江师范学院数学与计算机学院;
【关键词】： 组合预测 网络流量 神经网络 包容性检验
【分类号】：TP183;TP393.06
【正文快照】： 近年来网络流量预测准确率一直是网络管理中的研究热点[1],针对网络流量预测问题,国内外学者进行了广泛深入的研究,当前网络流量预测方法主要有线性回归、自回归滑动平均、指数平滑数、神经网络、贝叶斯网络、支持向量机等[2-5],由于网络流量受多种因素影响,具有突发性、非平

【参考文献】

中国期刊全文数据库 前9条

1 姜明;吴春明;张e，

本文编号：554641