基于EEMD技术在电力信息安全中的多步时间序列预测方法

• 作者: 于烨 康乐 张波 柴育峰 郭景维
• 来源期刊: 现代电子技术
• 关键词: 势态感知 集合经验模态 极限学习机 混合人工鱼群 多步时间序列预测
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 电子技术
• 页码范围: 159-162,166
• 页数: 5页
• 分类号: TN915.08-34|V249
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2017.07.042

摘要

针对用户访问轨迹的数据特征,提出一种基于EEMD技术的多步时间序列预测模型.该模型利用了集合经验模态分解EEMD结合极限学习机ELM模型,混合人工鱼群MAFA优化的方式,克服了算法中存在过拟合和多步时间序列预测的策略限制问题.通过该模型,实现了对访问轨迹时间序列多步预测,结合安全范围包络线,进而提前发现是否存在入侵行为.验证结果表明,优化后的EEMD-ELM模型比传统时间序列预测方法的迭代速率与精度得到了极大提高,泛化能力增强,说明了该方法的有效性、可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张波		14	38	4.0	5.0
2	于烨		7	40	3.0	6.0
3	柴育峰		2	3	1.0	1.0
4	康乐		2	3	1.0	1.0
5	郭景维		2	5	2.0	2.0