基于EEMD与RBF神经网络的网络流量预测

• 作者: 冯丽娜 刘付斌
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 流量预测 整体平均经验模态分解 RBF神经网络
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 72-74,83
• 页数: 4页
• 分类号: TP393.0
• 字数: 3121字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.06.021

摘要

网络流量预测对于网络性能和服务质量的提高具有重要意义.提出一种基于整体平均经验模态分解EEMD(Ensemble Empirical Mode Decomposition)与径向基函数RBF(Radial Basis Function)神经网络的预测模型,利用EEMD将长相关流量转化为短相关流量并应用RBF神经网络模型对流量数据进行建模及预测,不仅降低了算法的复杂度,而且有利于网络流量的实时预测.仿真试验结果表明,相比于自回归分数综合滑动平均模型FARIMA(Fractional AutoRegressive Integrated Moving Average Mode)、RBF神经网络模型及EMD(Empirical Mode Decomposition)与自回归滑动平均模型ARMA(AutoRegressive Moving Average Model),该模型具有更高的预测精度和良好的自适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘付斌	安阳师范学院物理与电气工程学院	6	42	3.0	6.0
2	冯丽娜	安阳师范学院物理与电气工程学院	2	4	1.0	2.0