基于 MEEMD‐PE 与 CS‐WNN 模型的网络时延预测

• 作者: 国明 时维国
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 网络控制系统 改进的集总平均经验模态分解 排列熵 布谷鸟算法 小波神经网络 时延预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 制导、导航与控制
• 页码范围: 184-190
• 页数: 7页
• 分类号: TP273
• 字数: 5934字
• 语种: 中文
• DOI: 10.3969／j.issn.1001‐506X.2020.01.25

摘要

针对网络控制系统诱导时延具有的随机性、非平稳性、非线性等特点,提出了一种基于改进的集总平均经验模态分解(modified ensemble empirical mode decomposition ,M EEM D )排列熵和布谷鸟搜索(cuckoo search ,CS)优化的小波神经网络(w avelet neural netw ork ,WNN )时延预测算法.首先通过M EEM D对网络诱导时延序列进行处理,分别计算各模态的排列熵值,对复杂度相近的模态进行重组后得到新的子序列,从而达到降低建模复杂度和减少计算量的目的;然后利用CS算法优化的WNN预测新的子序列;最后叠加各子序列预测结果以获得时延序列的最终预测值.仿真表明,该算法具有较好的预测精度,能反映时延序列的总体趋势,可有效地降低异常值影响等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	时维国	大连交通大学电气信息工程学院	34	93	6.0	8.0
2	国明	大连交通大学电气信息工程学院	2	0	0.0	0.0