计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2004年
4期
86-88
,共3页
时序分解%自回归%自相似%长相关%模糊自回归
時序分解%自迴歸%自相似%長相關%模糊自迴歸
시서분해%자회귀%자상사%장상관%모호자회귀
传统时序分解模型在去除网络流量序列中的趋势性和周期性成分后,用AR模型处理剩余序列,因而只适合处理粗时间粒度的流量,而无法处理具有长相关性的细时间粒度流量.本文用模糊自回归模型替代AR模型,使得改进的时序分解模型能够对任何时间粒度的网络流量进行建摸和预测.
傳統時序分解模型在去除網絡流量序列中的趨勢性和週期性成分後,用AR模型處理剩餘序列,因而隻適閤處理粗時間粒度的流量,而無法處理具有長相關性的細時間粒度流量.本文用模糊自迴歸模型替代AR模型,使得改進的時序分解模型能夠對任何時間粒度的網絡流量進行建摸和預測.
전통시서분해모형재거제망락류량서렬중적추세성화주기성성분후,용AR모형처리잉여서렬,인이지괄합처리조시간립도적류량,이무법처리구유장상관성적세시간립도류량.본문용모호자회귀모형체대AR모형,사득개진적시서분해모형능구대임하시간립도적망락류량진행건모화예측.
