基于Elman神经网络改进ARIMA模型的网络负荷预测研究

• 作者: 丁春莉 韩杏花
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 神经网络 时间序列 ARIMA模型 网络负荷
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 开发应用
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP311
• 字数: 2148字
• 语种: 中文

摘要

针对ARIMA模型预测结果具有误差大和滞后性的缺点,利用Elman神经网络的优越的非线性逼近能力修正ARIMA模型,提出一种基于ARIMA-Elman组合模型的网络负荷预测模型.选择RMSE、MAE和MAPE作为评价指标,研究结果表明,提出的ARIMA-Elman组合模型进行网络负荷数据预测的精度优于ARIMA、SVM和Elman,从而验证了算法的优越性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁春莉		25	30	3.0	5.0