针对设备端口链路的LSTM网络流量预测与链路拥塞方案

• 作者: 刘存才 祁思博 黄伟
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 长短期记忆网络 机器学习 网络流量预测 非平稳流量预测 时间序列预测
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 50-57
• 页数: 8页
• 分类号: TP393
• 字数: 5656字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2019066

摘要

针对设备端口链路流量,提出两种基于长短期记忆网络的预测模型.第一种针对在大时间粒度下平稳变化的流量;第二种则针对在小时间粒度下波动剧烈的非平稳流量.通过选用不同的数据划分方式与模型训练方法,构建两种具有不同网络结构的流量预测模型.实验结果表明,前者在处理平稳变化的流量时能够达到极高的预测精度,后者在处理非平稳流量时具有明显优于SVR模型、BP神经网络模型的预测效果.在第二种预测模型的基础上,提出了参数可调的链路拥塞预警方案,实验证明该方案具有一定的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄伟	中国电子科技集团公司第五十四研究所	33	50	4.0	4.0
2	刘存才	中国电子科技集团公司第五十四研究所	5	7	2.0	2.0
3	祁思博	中国电子科技集团公司第五十四研究所	3	2	1.0	1.0