相空间重构和正则极限学习机的网络流量预测

• 作者: 卢振利
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: 网络流量 正则极限学习机 相空间重构 混沌理论
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 光通信与网络
• 页码范围: 109-112
• 页数: 4页
• 分类号: TN911
• 字数: 3158字
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2015.01.109

摘要

网络流量预测一直是网络研究技术中的热点，针对网络流量变化的时变性、混沌性，提出一种相空间重构和正则极限学习机的网络流量预测模型。首先收集大量的网络流量历史样本，并进行相应的预处理，然后根据混沌理论确定最优延迟时间和嵌入维数，并重构网络流量学习样本，最后采用正则极限学习机建立网络流量预测模型，并进行仿真对比实验。结果表明，相对于其它网络流量预测模型，本文模型可以更加准确描述网络流量的非线性变化特点，提高网络流量预测精度，预测结果具有一定实用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢振利	常熟理工学院电气与自动化工程学院	21	50	4.0	5.0