计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
1期
122-125
,共4页
网络流量%预测模型%经验模态分解%相关向量机
網絡流量%預測模型%經驗模態分解%相關嚮量機
망락류량%예측모형%경험모태분해%상관향량궤
Network traffic%Prediction model%EMD%RVM
针对自相似网络流量提出了一种基于EMD(经验模态分解)和RVM(相关向量机)的自相似时间序列预测模型.该模型利用EMD将滑动窗口内的小时间尺度网络流量序列分解为多个IMF(固有模态函数)分量,以去除流量序列长相关性;然后采用RVM对其中的高频分量进行拟合,而对低频分量则使用ARMA构建预测模型;最后合成各分量的预测结果.实验表明,该模型能准确地预测流量时间序列的幅值及其趋势,与同类型预测方法相比,其预测性能更好.
針對自相似網絡流量提齣瞭一種基于EMD(經驗模態分解)和RVM(相關嚮量機)的自相似時間序列預測模型.該模型利用EMD將滑動窗口內的小時間呎度網絡流量序列分解為多箇IMF(固有模態函數)分量,以去除流量序列長相關性;然後採用RVM對其中的高頻分量進行擬閤,而對低頻分量則使用ARMA構建預測模型;最後閤成各分量的預測結果.實驗錶明,該模型能準確地預測流量時間序列的幅值及其趨勢,與同類型預測方法相比,其預測性能更好.
침대자상사망락류량제출료일충기우EMD(경험모태분해)화RVM(상관향량궤)적자상사시간서렬예측모형.해모형이용EMD장활동창구내적소시간척도망락류량서렬분해위다개IMF(고유모태함수)분량,이거제류량서렬장상관성;연후채용RVM대기중적고빈분량진행의합,이대저빈분량칙사용ARMA구건예측모형;최후합성각분량적예측결과.실험표명,해모형능준학지예측류량시간서렬적폭치급기추세,여동류형예측방법상비,기예측성능경호.