科研之友
微信
新浪微博
Facebook
分享链接
摘要
网络中短期流量特征不同，依靠单一的方法预测流量，造成预测结果均方根误差较大。因此，提出了基于集成深度学习的网络中短期流量精准预测方法。运用BDS统计量检验方法建立非线性判断机制，提取网络流量内包含的非线性特征。依据小波变换理念分解和重构复杂的网络流量，引入集成深入学习理念，在Stacking集成策略的作用下，建立包含循环神经网络和卷积神经网络的集成流量预测模型。从网络结构和修剪过程两方面入手，优化预测模型结构，并通过正交最小二乘法求解网络中短期流量预测值。仿真测试结果表明：所用方法的网络中短期流量预测均方根误差为0.12，实现了网络中短期流量精准预测。
-
单位漳州职业技术学院
