基于VMD-DE的混沌网络流量组合预测研究 |
| |
引用本文: | 魏臻,陈颖,程磊.基于VMD-DE的混沌网络流量组合预测研究[J].合肥工业大学学报(自然科学版),2019,42(12). |
| |
作者姓名: | 魏臻 陈颖 程磊 |
| |
作者单位: | 合肥工业大学 计算机与信息学院,安徽 合肥 230601;安全关键工业测控技术教育部工程研究中心,安徽 合肥 230601;合肥工业大学 计算机与信息学院,安徽 合肥 230601 |
| |
基金项目: | 国家国际科技合作专项基金 |
| |
摘 要: | 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。
|
关 键 词: | 网络流量 变分模态分解(VMD) 分散熵(DE) 组合预测 |
本文献已被 CNKI 万方数据 等数据库收录! |
|