计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2013年
12期
4104-4108
,共5页
朱倩雨%覃锡忠%贾振红%盛磊%陈丽
硃倩雨%覃錫忠%賈振紅%盛磊%陳麗
주천우%담석충%가진홍%성뢰%진려
经验模式分解%本征模式分量%粒子群%最小二乘支持向量机%组合预测
經驗模式分解%本徵模式分量%粒子群%最小二乘支持嚮量機%組閤預測
경험모식분해%본정모식분량%입자군%최소이승지지향량궤%조합예측
empirical mode decomposition%intrinsic mode function%particle swarm optimization%LS-SVM%ensemble forecasting
针对网络流量时间序列呈现出的非线性、非平稳、多尺度的特点,提出了一种结合经验模式分解(EMD)和粒子群优化的最小二乘支持向量机(LS-SVM)的流量预测模型.通过EMD分解,将原始流量的非平稳序列分解为若干不同尺度的平稳IMF(固有模态分量)分量,用粒子群优化的LS-SVM分别对各分量进行预测,通过SVM组合得到原始序列的预测结果.仿真结果表明,该方法不仅能够获得较高的预测精度,还能够反映原始流量数据的突变性.
針對網絡流量時間序列呈現齣的非線性、非平穩、多呎度的特點,提齣瞭一種結閤經驗模式分解(EMD)和粒子群優化的最小二乘支持嚮量機(LS-SVM)的流量預測模型.通過EMD分解,將原始流量的非平穩序列分解為若榦不同呎度的平穩IMF(固有模態分量)分量,用粒子群優化的LS-SVM分彆對各分量進行預測,通過SVM組閤得到原始序列的預測結果.倣真結果錶明,該方法不僅能夠穫得較高的預測精度,還能夠反映原始流量數據的突變性.
침대망락류량시간서렬정현출적비선성、비평은、다척도적특점,제출료일충결합경험모식분해(EMD)화입자군우화적최소이승지지향량궤(LS-SVM)적류량예측모형.통과EMD분해,장원시류량적비평은서렬분해위약간불동척도적평은IMF(고유모태분량)분량,용입자군우화적LS-SVM분별대각분량진행예측,통과SVM조합득도원시서렬적예측결과.방진결과표명,해방법불부능구획득교고적예측정도,환능구반영원시류량수거적돌변성.
