相空间重构和极限学习机的网络流量预测模型
作者:
袁开银
魏彬
关键词:
流量预测
相空间重构
混沌特性
极限学习机
摘要:
网络流量的预测可以有效降低网络拥塞频率,提高网络的服务质量,针对传统方法无法准确描述网络流量混沌特性的局限性,提出了相空间重构与极限学习机的网络流量预测模型(PHR-ELM).首先通过相空间重构把网络流量变为有规律数据,然后采用极限学习机实现网络流量的准确预测,最后进行了网络流量预测的仿真测试,结果表明,PHR-ELM可以有效拟合网络流量的混沌变化特性,准确实现了网络流量变化趋势的预测,预测效果要优于传统模型,验证了PHR-ELM的有效性和优越性.
上一篇: 改进模糊聚类时间模式云计算任务调度方案
下一篇: 基于零知识理论的改进RDIC远程数据云存储协议