基于PF-LSTM网络的高效网络流量预测方法

作者：李校林; 吴腾

来源：计算机应用研究, 2019, 36(12): 3833-3836.

DOI：10.19734/j.issn.1001-3695.2018.06.0394

• 网络流量预测
• 长短期记忆神经网络
• 粒子滤波算法
• 预测模型

传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点。为解决此问题,提出一种基于长短期记忆(LSTM)循环神经网络的网络流量预测模型。首先,用距离比较和优化组合策略改进粒子滤波算法(PF)的重采样过程;然后搭建PF-LSTM网络的网络流量预测模型,将改进的PF算法用于模型训练,提高其训练速率,克服传统LSTM网络中收敛于局部最优的缺点;最后将提出的模型用于网络流量预测。实验结果表明,相比传统的LSTM模型,提出的PF-LSTM模型具有较好的预测精度和收敛效率,能够更好地描述网络流量的变化趋势。

• 单位
  重庆邮电大学