基于改进LSTM算法的天地一体化信息网络流量预测

• 作者: 潘成胜 王羽夫 杨力
• 来源期刊: 天地一体化信息网络
• 关键词: 天地一体化信息网络 网络流量预测 深度学习 流量自相关性
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 专题:天地一体化信息网络体系架构|Topics: Architecture of Space-Integrated-Ground Information Network
• 页码范围: 57-65
• 页数: 9页
• 分类号: TN929
• 语种: 中文
• DOI: 10.11959/j.issn.2096-8930.20200208

摘要

天地一体化信息网络由于存在流量突发性强、拓扑时变等问题使得通信易产生中断,流量波动不平稳导致其流量预测难度远高于地面网络.针对该问题,提出一种改进的LSTM算法,首先分析流量序列滞后变量对预测值的影响,判断流量自相关度;其次,采用以预测值代替中断的方式,消除训练集的噪声和断点;最后,使用Dropout算法减少了噪声和神经网络过拟合带来的影响,准确预测天地一体化信息网络流量数据.仿真实验表明,在OPNET仿真环境中,该算法相较于其他算法准确性提升了59.21％,算法训练速度提升了11.11％,能够为天地一体化信息网络统筹调度提供有效的数据支撑.