计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2015年
1期
24-30
,共7页
邹威%费金龙%祝跃飞%韩冬
鄒威%費金龍%祝躍飛%韓鼕
추위%비금룡%축약비%한동
流量预测%提升小波%最小二乘支持向量机%广义回归神经网络%阈值降噪%混沌预测
流量預測%提升小波%最小二乘支持嚮量機%廣義迴歸神經網絡%閾值降譟%混沌預測
류량예측%제승소파%최소이승지지향량궤%엄의회귀신경망락%역치강조%혼돈예측
traffic prediction%lifting wavelet%Least Squares Support Vector Machine (LSSVM)%General Regression Neural Network(GRNN)%threshold denoising%chaotic prediction
当前流量预测模型难以准确刻画互联网流量的多重特性,并且存在构建时间长、预测精度低的问题.为此,设计基于提升小波分解的网络流量混合预测模型(WLGC).该模型利用提升小波将流量时间序列快速分解为分别具有低频和高频特性的近似时间序列和细节时间序列,近似时间序列利用最小二乘支持向量机(LSSVM)预测并通过广义回归神经网络(GRNN)进行误差校准,细节时间序列在半软阈值降噪后利用自适应混沌预测方法对其预测,最后使用提升小波重构得到时间序列的预测值.仿真实验结果表明,该模型可有效提高预测精度.
噹前流量預測模型難以準確刻畫互聯網流量的多重特性,併且存在構建時間長、預測精度低的問題.為此,設計基于提升小波分解的網絡流量混閤預測模型(WLGC).該模型利用提升小波將流量時間序列快速分解為分彆具有低頻和高頻特性的近似時間序列和細節時間序列,近似時間序列利用最小二乘支持嚮量機(LSSVM)預測併通過廣義迴歸神經網絡(GRNN)進行誤差校準,細節時間序列在半軟閾值降譟後利用自適應混沌預測方法對其預測,最後使用提升小波重構得到時間序列的預測值.倣真實驗結果錶明,該模型可有效提高預測精度.
당전류량예측모형난이준학각화호련망류량적다중특성,병차존재구건시간장、예측정도저적문제.위차,설계기우제승소파분해적망락류량혼합예측모형(WLGC).해모형이용제승소파장류량시간서렬쾌속분해위분별구유저빈화고빈특성적근사시간서렬화세절시간서렬,근사시간서렬이용최소이승지지향량궤(LSSVM)예측병통과엄의회귀신경망락(GRNN)진행오차교준,세절시간서렬재반연역치강조후이용자괄응혼돈예측방법대기예측,최후사용제승소파중구득도시간서렬적예측치.방진실험결과표명,해모형가유효제고예측정도.
