计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2015年
5期
1137-1145
,共9页
田中大%高宪文%李树江%王艳红
田中大%高憲文%李樹江%王豔紅
전중대%고헌문%리수강%왕염홍
网络流量%非线性%预测%遗传算法%回声状态网络
網絡流量%非線性%預測%遺傳算法%迴聲狀態網絡
망락류량%비선성%예측%유전산법%회성상태망락
network traffic%nonlinear%prediction%genetic algorithm(GA)%echo state network(ESN)
网络流量预测是网络拥塞控制与网络管理的一个重要问题.网络流量时间序列具有时变、非线性特征,导致传统时间序列预测方法预测精度比较低,无法建立精确的预测模型.回声状态网络(echo state network,ESN)在非线性混沌系统预测与建模方面有着良好的性能,非常适合网络流量的预测.为了提高网络流量的预测精度,提出一种基于遗传算法(genetic algorithm,GA)优化回声状态网络的网络流量非线性预测方法.首先利用回声状态网络对网络流量进行预测;然后利用遗传算法对回声状态网络预测模型中的储备池参数进行优化,提高预测模型的预测精度.通过中国联合网络通信公司辽宁分公司采集的实际网络流量数据进行了仿真验证.与差分自回归滑动平均模型(auto regressive integrated moving average,ARIMA)、Elman神经网络以及最小二乘支持向量机(least square support vector machine,LSSVM)这3种常见预测模型进行了对比,仿真结果表明提出的方法具有更高的预测精度与更小的预测误差,更能刻画网络流量复杂的变化特点.
網絡流量預測是網絡擁塞控製與網絡管理的一箇重要問題.網絡流量時間序列具有時變、非線性特徵,導緻傳統時間序列預測方法預測精度比較低,無法建立精確的預測模型.迴聲狀態網絡(echo state network,ESN)在非線性混沌繫統預測與建模方麵有著良好的性能,非常適閤網絡流量的預測.為瞭提高網絡流量的預測精度,提齣一種基于遺傳算法(genetic algorithm,GA)優化迴聲狀態網絡的網絡流量非線性預測方法.首先利用迴聲狀態網絡對網絡流量進行預測;然後利用遺傳算法對迴聲狀態網絡預測模型中的儲備池參數進行優化,提高預測模型的預測精度.通過中國聯閤網絡通信公司遼寧分公司採集的實際網絡流量數據進行瞭倣真驗證.與差分自迴歸滑動平均模型(auto regressive integrated moving average,ARIMA)、Elman神經網絡以及最小二乘支持嚮量機(least square support vector machine,LSSVM)這3種常見預測模型進行瞭對比,倣真結果錶明提齣的方法具有更高的預測精度與更小的預測誤差,更能刻畫網絡流量複雜的變化特點.
망락류량예측시망락옹새공제여망락관리적일개중요문제.망락류량시간서렬구유시변、비선성특정,도치전통시간서렬예측방법예측정도비교저,무법건립정학적예측모형.회성상태망락(echo state network,ESN)재비선성혼돈계통예측여건모방면유착량호적성능,비상괄합망락류량적예측.위료제고망락류량적예측정도,제출일충기우유전산법(genetic algorithm,GA)우화회성상태망락적망락류량비선성예측방법.수선이용회성상태망락대망락류량진행예측;연후이용유전산법대회성상태망락예측모형중적저비지삼수진행우화,제고예측모형적예측정도.통과중국연합망락통신공사료녕분공사채집적실제망락류량수거진행료방진험증.여차분자회귀활동평균모형(auto regressive integrated moving average,ARIMA)、Elman신경망락이급최소이승지지향량궤(least square support vector machine,LSSVM)저3충상견예측모형진행료대비,방진결과표명제출적방법구유경고적예측정도여경소적예측오차,경능각화망락류량복잡적변화특점.
