首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 46 毫秒
1.
提出一种混沌理论和极限学习机的网络流量预测模型.首先对网络流量时间序列进行小波分解得到不同分量,然后采用混沌理论对各分量进行相空间重构,并利用神经网络中的极限学习机进行建模,得到各分量的预测结果,最后采用对分量的预测值进行叠加组合,并采用具体网络流数据集进行模拟测试.相对于其他模型,混沌理论和极限学习机的网络流量预测模型能准确地反映网络流量的变化特性,获得更高精度的预测结果.  相似文献   

2.
结合小波变换和BP神经网络,建立一种网络流量预测模型.首先对流量时间序列进行小波分解,得到多个尺度的小波系数序列,以系数序列和原来的流量时间序列分别作为模型的输入和输出,构造人工神经网络并且加以训练.用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果.  相似文献   

3.
针对网络流量在以不同时间尺度分析时呈现不同特性给流量精确预测带来的困难,提出一种基于快速小波变换和季节差分自回归滑动平均组合模型的多分辨分析预测算法.采用小波方法对网络历史流量进行分解以分析不同时间尺度下的流量相关结构,根据不同时间尺度下的流量时间序列的周期性和自相似性,分别选择合适的模型建模用于预测.使用小波方法对各序列的预测值进行重构,得到原始流量的预测结果.仿真结果表明,所提预测方法比同类预测方法具有更高的精度.  相似文献   

4.
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.  相似文献   

5.
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...  相似文献   

6.
文章针对网络流量时间序列的预测问题,提出一种基于变分模态分解(variational mode decomposition, VMD)-分散熵(dispersion entropy, DE)的多尺度组合预测方法。首先对流量样本数据进行混沌特性分析,使用改进的VMD-DE方法对流量数据分解重构,减少周期性流量序列预测的随机性和计算复杂度;然后采用改进鸡群优化算法(chicken swarm optimization, CSO)优化Elman神经网络与最小二乘支持向量机(least squares support vector machine, LSSVM)的多尺度模型,分别对重组后的高频、中频和低频序列进行预测;最后对各预测值求和。通过实际流量数据的仿真和对比实验,证明基于VMD-DE的混沌网络流量组合预测模型具有良好的适应性和预测效果。  相似文献   

7.
为了更好地对网络流量进行分析和管理,提出一种基于小波变换、自回归滑动平均模型(ARMA)和极限学习机(ELM)的组合预测模型W-ARMA-ELM.原始数据通过小波分解产生近似序列和细节序列,通过对分解序列的自相关性和偏自相关分析,平稳序列使用ARMA预测,而非平稳序列使用ELM预测.使用兰州大学教育网、网通流量数据和英国学术主干网流量数据三组不同的网络流量数据来检验组合模型W-ARMAELM的预测性能.实验结果表明提出的组合方法要比单一的ARMA和ELM预测效果要好.同时指出使用自相关和偏自相关分析相结合的方法对分解后的子序列进行平稳性判定有助于选择合适的组合模型从而提高预测精度.  相似文献   

8.
在非晶态合金晶化过程中,尽管无法知道那些系统变量及它们之间如何相互作用来支配晶化的演化,但可以肯定的是过程变量尤其是晶化电特性蕴含着不同的时频特性.因此,将材料科学与信息科学技术相结合,利用非线性系统辨识方法,提出一种基于小波变换和ARFILSSVM方法的晶化电特性时间序列模型及预测方法.首先利用小波变换对时间序列进行分解,分离出时间序列中的低频和高频序列,然后利用AR模型预测高频序列,利用FILSSVM方法预测低频序列,最后将各模型的预测结果叠加,从而得到原始序列的模型及预测.仿真试验表明,该方法是非晶态合金晶化电特性时间序列的有效预测方法.  相似文献   

9.
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...  相似文献   

10.
分析了校园网出口流量的非线形、周期性的特点,给出基于时间序列分析进行网络负载预测的方案.本方案通过数学模型将时间序列分解为线形增长趋势因素、周期性因素、随机噪声等子成分,使用分解模型分析某校园网出口的历史数据,对其后半年的网络流量进行预测,并与实际流量进行比较,得到相关的测试比较结果.该方案与传统的基于启发式公式的方法相比具有适应性好、科学性等方面优势.因此,该方案可以作为网络流量预测方案,为网络资源规划和异常流量分析提供依据.  相似文献   

11.
首先分析了决定旅客选择交通方式的因素,然后引入旅客选择交通方式的量化模型,最后分析了旅客选择交通方式对宏观交通方式确定的影响;并对国家如何采取宏观调控手段引导客运交通方式依照国情的需要发展,并对形成一个合理的综合客运交通网提出了看法.  相似文献   

12.
研究网络流量特征,对网络管理、规划和发展具有重要意义.本文讨论网络流量的采集方法、流量测量和分析方法、流量测量模型,并指出了流量测量模型方面需要改进和进一步研究的问题.  相似文献   

13.
在城市化进程中,高效的城市交通政策对中国的可持续发展起着关键的作用.阐述了中国城市的独特背景,预测了在中国复制其他国家的政策能否被有效的实施的问题,以交通最为拥挤的城市为例子,将每个政策以往的经验与其可能产生的效率及其在中国的实施效果进行了比较,特别对中国城市与一些外国城市的交通政策做了仔细研究,为建立适合我国城市的交通政策提供参考.  相似文献   

14.
运用交通冲突理论探讨慢行交通安全问题,分析了慢行交通事故形成的机理,提出了保障慢行交通安全的对策,旨在促进便捷交通、绿色交通的发展,实现和谐交通、安全交通。  相似文献   

15.
城市交通需求预测是交通学科研究的热点之一。本文对现代城市交通需求预测理论与模型进行系统分析,重点围绕交通生成、交通分布、交通方式划分预测模型展开,对各模型基本原理、研究进展、传统模型及其改进、模型应用情况等进行综述,最后总结城市交通需求预测研究领域重点、难点,指出未来发展方向。  相似文献   

16.
自相似过程的合并和分解过程   总被引:1,自引:0,他引:1  
对LAN、ISDN的信令信道和其他通信系统中的数据统计分析表明,在宽带网络中的业务流具有自相似特性,它将对网络的设计、控制和分析产生影响,而业务流的合并和分解是网络中业务流的两个基本操作,要研究业务量的自相似特性对网络整体性能的影响,就必须首行研究它们的性质,文中给出了自相似序列经过合并和分解后仍然保持自相似性的充分条件,该结论对是进一步研究网络业务量的自相似性对网络性能的影响有理论指导意义。  相似文献   

17.
本文阐述了经济发展与公路建设发展的互动关系,从经济与交通的"供需关系"和"导向关系"角度,分析研究了贵州高速公路项目交通量预测的重点及难点。同时,结合贵州实际,对远景交通量进行了探讨。  相似文献   

18.
现有交通法规对车辆遇到黄灯时是否允许通行仍然没有定论. 这直接导致了众多驾车人在面对黄灯信号时的反应不一, 对道路交通及安全产生了诸多负面影响. 通过分析车辆行驶中的人-车系统特性, 揭示了交通黄灯信号的重要作用. 此外, 从两个不同视角对黄灯信号的通行权展开论述, 并对黄灯信号合理的持续时间等参数进行了案例设计, 由此得出车辆在行驶过程中遇到黄灯可以通行的结论.  相似文献   

19.
交通流的红绿灯模型   总被引:2,自引:0,他引:2  
首先引入几个描述交通流的基本函数,接着在交通流连续运动和时断的情况下,分别建立了连续和间断的交通流模型,在此基础上根据微分方程建立红绿下的交通流模型,分析在不同时刻公路上交通流的变化,据此画出在红绿灯模型下的车流密度变化过程,并给出了交通流的红绿灯模型在十字路口的应用.  相似文献   

20.
基于TransCAD的交通需求预测研究   总被引:6,自引:0,他引:6  
基于地理信息系统,研究使用交通规划软件TransCAD进行交通量预测,TransCAD软件在交通规划中简化并完善了交通需求预测的建模过程,介绍了预测系统的创建和编辑,讨论了在TransCAD中进行交通量预测的模型,并结合实际项目进行交通量预测研究,得到部分路网交通量分配结果,并对基于TransCAD的交通量需求预测方法进行分析,总结项目研究过程中遇到的问题,提出在使用TransCAD软件进行实际项目研究时的建议以及在我国使用TransCAD进行项目研究的不足。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号