基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于经验模式分解(EMD)、遗传优化的广义回归神经网络(GA_GRNN)和自回归移动平均(ARMA)组合模型的空间信息网络流量预测算法.描述了算法的主要理论和具体过程,通过与单一GRNN和ARMA模型的仿真对比,验证了组合模型的有效性.
推荐文章
粒子群算法优化相空间重构参数的网络流量预测模型
网络流量
相空间重构
粒子群算法
嵌入维
延迟时间
一种有效的网络流量预测算法
流量预测
乘积解
队列长度
基于改进灰狼优化算法的网络流量预测模型
网络流量预测
小波包分解
灰狼横纵多维混沌寻优算法
Elman神经网络
自适应网络流量线性预测算法及应用
网络流量
线性预测
流量模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于组合模型的空间信息网络流量预测算法
来源期刊 光通信技术 学科 工学
关键词 空间信息网络 流量预测 经验模式分解 广义回归神经网络 自回归移动平均
年,卷(期) 2017,(7) 所属期刊栏目 无线光通信
研究方向 页码范围 40-43
页数 4页 分类号 TN927.2
字数 3030字 语种 中文
DOI 10.13921/j.cnki.issn1002-5561.2017.07.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵尚弘 空军工程大学信息与导航学院 358 1585 20.0 23.0
2 李瑞欣 空军工程大学信息与导航学院 27 88 3.0 9.0
3 黎军 中国空间技术研究院西安分院空间微波技术重点实验室 17 19 2.0 3.0
4 郑永兴 空军工程大学信息与导航学院 6 12 2.0 3.0
6 丁西峰 空军工程大学信息与导航学院 13 15 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (51)
共引文献  (226)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(11)
  • 参考文献(0)
  • 二级参考文献(11)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2019(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(5)
  • 参考文献(0)
  • 二级参考文献(4)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
空间信息网络
流量预测
经验模式分解
广义回归神经网络
自回归移动平均
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光通信技术
月刊
1002-5561
45-1160/TN
大16开
广西桂林市5号信箱
48-126
1977
chi
出版文献量(篇)
4439
总下载数(次)
8
总被引数(次)
17658
相关基金
陕西省自然科学基金
英文译名:Natural Science Basic Research Plan in Shaanxi Province of China
官方网址:
项目类型:
学科类型:
论文1v1指导