针对复杂的网络流量呈现出的多种特性,传统的单一模型预测效果差。为了提高流量预测的准确性和实时性,提出了种基于经验模态分解(EMD和聚类的网络流量预测模型。首先通过EMD将网络流量分解为不同时间尺度上频率单一的本征模函数(IMFs);其次通过改进的K均值聚类算法对IMF分量做聚类分析,将复杂度相近的IMF分量聚到一起;然后对聚类的IMF分量用自回归移动平均(ARMA)模型进行预测;最后将各IMF分量序列的预测值进行求和得到网络流量的预测值实验结果证明,与 EMD-ARMA模型相比,该模型不仅缩短了训练耗时,且均方误差(MSE)、平均绝对误差(MAE)分别下降了3.8%和7.6%,趋势预测准确率(API)提高了6%,提高了网络流量的预测精度,可用于实时流量预测。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !