一种基于小波变换和FARIMA模型的网络流量预测算法

提出了一种新的基于小波变换和FARIMA模型的流量预测方法,首先对原始流量进行小波分解,再进行mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后整合流量.我们用真实网络流量进行了仿真实验,验证了提出算法的预测准确性,较之首先用FARIMA模型对小波系数进行预测再进行小波重构的方法减小了预测...     

长程相关网络通信量的预测

针对长程突发通信量提出了两种基于α平稳信息的预测方法:根据α-平稳过程的协变概念,推导出双曲线偏差渐近意义下的FARIMA(fractionally autoregressive integrated moving average)预测,采用自回归神经网络模拟ARMA过程,并利用遗传算法的全局优化能力与人工免疫算法的多种群快速局部收敛能力对神经网络权值进行准确估计,从而实现对通信量的FARIMA预测.这两种预测方法均能在无限方差准则下实现偏差最小,合并这两种预测值以获得最后的预测结果.对实际踪迹的预测结果证实了两种独立的预测方法有效准确,最后的混合预测能进一步提高最后的预测精度.     

一种有效的网络流量预测算法

为了对网络流量做定量研究,提出一种基于稳态队列长度的新型网络实际流量预测算法(Prediction algorithm based on Queue length of Steady state for FARIMA model,PQSF).该算法首先利用基于稳态队列长度的乘积解理论推导节点数据包的排队情况,计算出存在失效节点时流量平均对长的数学公式,并结合FARIMA模型建立预测方法,最后通过网络仿真对PQSF算法进行验证.实验结果表明,该算法具有较好的适应性.     

一种混合模型在30 MnSi钢变形抗力预测中的应用

利用Gleeble-1500热模拟实验机对30 MnSi钢进行热模拟实验来获取不同变形条件下的变形抗力,提出一种新的混合模型--人工免疫最小二乘支持向量机模型来提高变形抗力的预测精度.在混合模型中,最小二乘支持向量机的最优参数通过人工免疫算法获得.实验结果表明,这种新模型不仅能重现样本数据的变形抗力,而且也能非常精确地预测非样本数据.通过与BP方法相比较,该方法在变形抗力预测的有效性和精确性方面都有很大提高,尤其是网络泛化性能的提高.     

人工免疫算法的改进

简要介绍了标准人工免疫算法的工作原理,为了克服其存在的不足,该文提出一种改进的人工免疫算法,并用多峰值函数对两种算法进行了比较.实验结果表明,该文提出的改进的人工免疫算法较标准人工免疫算法更为有效.     

多峰值人工免疫算法对建设用地需求量的预测

文章通过非线性组合预测模型,运用多峰值人工免疫算法具有全局搜索及快速收敛的能力,对成都市建设用地需求量进行准确预测.表明了多峰值人工免疫算法在组合预测方面具有很好的可行性和有效性.     

基于人工免疫机理和LS-SVM的顾客需求重要度预测

为了提高质量功能配置过程的动态决策水平,实现顾客需求重要度的有效预测,采用最小二乘支持向量机(LS-SVM)建立顾客需求重要度预测模型,并结合人工免疫机理,以LS-SVM模型参数为抗体、顾客需求重要度预测误差为抗原,采用克隆算法完成顾客需求重要度LS-SVM预测模型参数的免疫优化选择.文中还以数控瓦楞纸板印刷模切机顾客需求重要度预测为例验证了所提方法的可行性,并与基于灰色模型和神经网络模型的顾客需求重要度预测方法进行了比较,结果表明,所提出的基于人工免疫机理与LS-SVM的顾客需求重要度预测方法可行,且预测效果较好.     

基于人工免疫算法的网络安全态势预测

网络安全态势预测能基于管理者提供的历史信息和当前时刻的网络安全态势,对未来时段的网络安全态势进行预测。为了有效实时地进行网络安全态势预测,提出了一种基于人工免疫算法的网络安全态势预测方法。首先,建立基于神经网络的网络安全态势预测模型,然后通过BP反向传播算法对网络进行训练,在此基础上,采用人工免疫算法来优化网络的结构和神经网络的态势预测值,该算法对亲和度函数、抗体的复制和抑制方法等均进行了设计。在KDDCUP99数据集中,对所提方法进行了验证,实验结果表明该方法能有效进行网络安全态势的验证,并且与其他方法相比,具有更好的检测率。     

基于人工免疫原理的免疫检测技术研究

针对人工免疫原理在计算机安全领域中的研究现状,对人工免疫系统及其计算模型进行了详细的介绍与分析.同时结合人体免疫理论,重点研究了B、T细胞检测器的生成算法.最后通过实验对检测器进行了测试,并对免疫检测技术未来的研究方向提出了展望.     

具有重尾特性自相似网络通信量的预测

提出了一种基于alpha-平稳分布过程的网络通信量模型，该模型能够刻画自相似网络通信量的长程相关性和重尾特性，具有参数简约，物理意义明确的优点，可以准确描述Bellcore Lab的实际踪迹BC-Oct89Ext．根据此模型，提出了一种在累积量约束条件下Fisher信息（FI）最小化的基于alpha-平稳新息（innovation）的FARIMA（fractional auto regressive integrated moving average）预测方法，它可以预测同时具有长程相关性与短程相关性的自相似网络通信量．这种基于alpha-平稳新息的FARIMA预测方法能够在无限方差意义下使预测偏差最小化，对实际踪迹BC-Oct89Ext的预测实验证明了该预测方法的准确性和可靠性．     

An improved BP artificial neural network algorithm for urban traffic flow intelligent prediction

The traffic flow is interrelated to traffic congestion, the big traffic flow directly results in traffic congestion of some section. In this paper, on the basis of the research of overseas traffic accident, considering the characteristic of Chinese traffic, artificial neural network was used to predict traffic accident, and an improved BP artificial neural network model according with Chinese the situation of a country was proposed. The urban traffic flow prediction was simulated under the particular situation, the simulation result shows that the improved BP artificial neural network can fit the urban traffic flow prediction very well and have high performance.     

基于仿真和流量估计的服务性交通指标预测

提出了基于应用微观交通仿真模型和短期交通量预测的服务性交通参数预测模型.根据实际的交通系统和研究目的建立应用仿真模型并进行模型参数标定和有效性验证.根据实时采集的交通量采用基于小波分析和ARIMA(Autoregressive Integrated Moving Average)模型的混合模型进行下一时刻的交通量预测.将预测的交通量输入到应用仿真模型,根据仿真输出得到下一时刻的服务性交通参数指标.应用实例表明,该模型能够较好地进行服务性交通参数的预测.     

基于人工免疫算法的电梯交通动态分区的优化

提出了一种利用新兴的人工免疫算法优化电梯高峰客流动态分区的新方法,实现了非连续楼层的优化计算．剖析了电梯交通的动态分区模型,设计了动态分区模型的人工免疫算法,并对之做了比较仿真研究．仿真结果表明,基于该算法的动态分区在处理客流分布不均匀的电梯交通时,表现出良好的性能．该算法能快速地找到电梯交通的最优分区或者次最优分区,具有一定的应用价值．     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量的仿真实验,结果显示该模型能够对网络流量进行比较精确的预测.     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量...     

基于CEEMD-GRU组合模型的快速路短时交通流预测

为了提高短时交通流预测精度,提出了基于互补集成经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)和门控循环单元(Gated Recurrent Unit, GRU)组合模型的快速路短时交通流预测方法。首先,运用互补集成经验模态分解算法,将非稳定的原始交通流时间序列数据分解为相对平稳的多个模态分量;然后,将分解后的模态分量分别建立GRU模型进行单步预测;最后,叠加每个分量的预测值,获取最终预测结果,并采用上海市南北高架快速路实测交通流数据进行实例验证。结果表明:CEEMD-GRU组合模型的预测效果明显优于GRU神经网络模型、EMD-GRU组合模型以及EEMD-GRU组合模型,平均预测精度分别提升了33.4%,25.6%和18.3%。CEEMD-GRU组合模型能够有效提取交通流数据特征分量,提高预测精度,为交通管控提供科学决策依据。     

基于飞行计划集中处理的预战术航路飞行流量预测

为准确把握航路点流量变化趋势和缓解空中交通压力,提出了一种基于飞行计划集中处理的流量预测方法。首先,在预战术飞行流量管理阶段,通过飞行计划集中处理可得到的航空器飞行计划信息,根据各航班在起飞前提交的领航计划电报和全飞行剖面混杂模型来预测航空器的航迹;然后,通过预测出航空器过关键航路点的过点时间,并结合空域结构数据来获得主要航路点的流量预测值;最后,通过算例仿真的结果可以发现所提出的航路飞行流量预测方法能够很好的对关键航路点进行预测,并且方法是切实可行和有效的。