基于提升小波变换的网络流量混合预测模型

• 作者: 祝跃飞 费金龙 邹威 韩冬
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 流量预测 提升小波 最小二乘支持向量机 广义回归神经网络 阈值降噪 混沌预测
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 专栏
• 页码范围: 24-30
• 页数: 7页
• 分类号: TP18
• 字数: 6289字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.01.005

摘要

当前流量预测模型难以准确刻画互联网流量的多重特性,并且存在构建时间长、预测精度低的问题.为此,设计基于提升小波分解的网络流量混合预测模型(WLGC).该模型利用提升小波将流量时间序列快速分解为分别具有低频和高频特性的近似时间序列和细节时间序列,近似时间序列利用最小二乘支持向量机(LSSVM)预测并通过广义回归神经网络(GRNN)进行误差校准,细节时间序列在半软阈值降噪后利用自适应混沌预测方法对其预测,最后使用提升小波重构得到时间序列的预测值.仿真实验结果表明,该模型可有效提高预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祝跃飞		16	69	4.0	8.0
2	邹威		1	4	1.0	1.0
3	费金龙		2	8	2.0	2.0
4	韩冬		4	7	2.0	2.0