基于AVMD-DE和IBSA-KELM的混沌网络流量组合预测

• 作者: 程磊 陈颖 魏臻
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 网络流量 自适应变分模态分解 分散熵 鸟群算法 核极限学习机
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 网络与通信
• 页码范围: 117-121
• 页数: 5页
• 分类号: TP393
• 字数: 3574字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.06.022

摘要

针对混沌网络流量时间序列预测,提出一种基于自适应变分模态分解AVMD(Adaptive Variational Mode Decomposition)-分散熵DE(Dispersion Entropy)和改进鸟群算法IBSA(Improved Bird Swarm Algorithm)优化核极限学习机KELM (Kernel Extreme Learning Machine)的组合预测模型.利用混沌理论对网络流量样本数据进行分析,采用AVMD-DE方法对网络流量序列分解重构,降低非线性、非平稳时间序列的预测误差及计算规模;采用IBSA-KELM模型分别对重构的子序列进行预测;将预测值进行合成.通过仿真实验分析及与其他预测方法的对比实验,证明AVMD-DE和IBSA-KELM组合预测模型可以显著提高网络流量预测的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏臻	合肥工业大学计算机与信息学院	81	832	15.0	24.0
5	程磊	合肥工业大学计算机与信息学院	21	90	6.0	8.0
9	陈颖	合肥工业大学计算机与信息学院	14	19	3.0	3.0