混沌局域预测法在网络流量短期预测中的应用

网络流量数据表现出一定的混沌特性,而在传统的混沌预测算法中,使用欧氏距离衡量相空间中相点间的相关性。由于欧氏距离的局限性,在高维相空间中,传统混沌预测算法的精度迅速下降。使用夹角余弦取代欧氏距离,作为判别相点间相关性的标准;并将相点视为向量,以向量的模和夹角为优化目标,进行预测参数识别。将以上算法应用于网络流量数据的短期预测,结果表明,在高维相空间中,预测算法的精度得到了明显的提升。