基于Morlet-SVR和ARIMA组合模型的网络流量预测

发布时间：2017-08-18 18:29

  本文关键词：基于Morlet-SVR和ARIMA组合模型的网络流量预测

  更多相关文章： 流量预测 小波核函数 Morlet支持向量机回归算法 自回归积分滑动平均模型

【摘要】：针对网络流量的非线性和多维度动力学特性,结合小波多尺度分析的能力,提出了基于Morlet小波核函数的支持向量机回归算法(Morlet-SVR)和自回归积分滑动平均模型(ARIMA)的组合模型预测网络流量.采用MorletSVR和ARIMA分别预测通过Mallat小波分解和单支重构得到的近似信号和多尺度细节信号,最后通过线性叠加得到最终预测结果.通过仿真实验分别对比分析了基于径向基核函数的支持向量机回归算法和ARIMA预测模型,通过3种误差评估得知该组合模型具有更高的预测精度.
【作者单位】： 西安交通大学软件学院;西安交通大学电子与信息工程学院;西安邮电大学通信与信息工程学院;
【关键词】： 流量预测 小波核函数 Morlet支持向量机回归算法 自回归积分滑动平均模型
【基金】：国家自然科学基金项目(61371087) 国家高技术研究发展计划(863计划)项目(2015AA015702)
【分类号】：TP393.06
【正文快照】： 网络流量预测研究对管理者实时监控网络流量和优化网络部署方案有着重要的意义.目前关于网络流量预测研究方法主要分为两类:针对线性时间序列的预测和非线性时间序列预测.线性时间序列预测算法典型的有自回归模型[1]、自回归滑动平均模型(ARMA,auto regressive moving average

【相似文献】

中国期刊全文数据库 前10条

1 王习涛;;ARIMA模型在期货交易预测中的应用研究[J];微计算机信息;2006年15期

2 张翼飞;陈洪;刘岭;张彦琦;郭波涛;易东;;ARIMA季节乘积模型在肠道传染病预测中的应用[J];激光杂志;2008年02期

3 蒋金良;林广明;;基于ARIMA模型的自动站风速预测[J];控制理论与应用;2008年02期

4 曹昱东;王浩;;基于ARIMA模型上海市生活垃圾的预测与分析[J];电子测试;2013年16期

5 吴u，

本文编号：696114