基于PF-LSTM网络的高效网络流量预测方法

• 作者: 吴腾 李校林
• 来源期刊: 计算机应用研究
• 关键词: 网络流量预测 长短期记忆神经网络 粒子滤波算法 预测模型
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 3833-3836
• 页数: 4页
• 分类号: TP393
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0394

摘要

传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点.为解决此问题,提出一种基于长短期记忆(LSTM)循环神经网络的网络流量预测模型.首先,用距离比较和优化组合策略改进粒子滤波算法(PF)的重采样过程;然后搭建PF-LSTM网络的网络流量预测模型,将改进的PF算法用于模型训练,提高其训练速率,克服传统LSTM网络中收敛于局部最优的缺点;最后将提出的模型用于网络流量预测.实验结果表明,相比传统的LSTM模型,提出的PF-LSTM模型具有较好的预测精度和收敛效率,能够更好地描述网络流量的变化趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李校林	重庆邮电大学通信新技术应用研究中心	72	471	10.0	18.0
5	吴腾	重庆邮电大学通信新技术应用研究中心	2	2	1.0	1.0