用近邻算法预测通信量时间序列

被引:12
作者
黄健聪
万海
郝小卫
李磊
机构
[1] 中山大学软件研究所,中山大学信息科学与技术学院,中山大学软件研究所,中山大学软件研究所广州,广州,广州,广州
关键词
时间序列; 预测; 近邻算法; 通信量;
D O I
暂无
中图分类号
TN915.02 [通信网结构与设计];
学科分类号
080906 [电磁信息功能材料与结构];
摘要
为了对通信系统进行有效的调控,需要对通信量进行预测,而通信量具有在不同日期遵循不同规律的特点。本文采用基于实例的近邻算法进行时间序列预测,并在考虑动态长度序列、序列特征提取和近似样例的选取上做出改进,取得很好的效果。将近邻预测算法应用到广东省电话网智能管理系统(GTNIMS)中,能够为路由求解提供快速、准确的预测话务量,为更精确的求解创造了条件。
引用
收藏
页码:31 / 33+55 +55
页数:4
相关论文
共 8 条
[1]
应用单纯形算法解决动态路由问题 [J].
李磊 ;
罗懿 ;
李观华 .
通信学报, 2004, (02) :99-105
[2]
改进的神经网络最近邻聚类学习算法及其应用 [J].
孙延风 ;
梁艳春 ;
孟庆福 .
吉林大学学报(信息科学版), 2002, (01) :63-66
[3]
基于小波分解的某些非平稳时间序列预测方法 [J].
徐科 ;
徐金梧 ;
班晓娟 .
电子学报, 2001, (04) :566-568
[4]
太阳黑子数时间序列的分形研究及预测 [J].
顾圣士 ;
王志谦 ;
程极泰 .
应用数学和力学, 1999, (01)
[5]
水文时间序列预测的径向基函数网络方法 [J].
胡铁松 ;
郭元裕 ;
丁晶 .
武汉水利电力大学学报, 1996, (06)
[6]
对复杂混沌时间序列快速预测的前馈神经网络 [J].
顾炜 ;
翟东辉 ;
张立明 .
复旦学报(自然科学版), 1995, (03)
[7]
Data Set A is a pattern matching problem [J].
Kohlmorgen, J ;
Muller, KR .
NEURAL PROCESSING LETTERS, 1998, 7 (01) :43-47
[8]
Tracking the best expert [J].
Herbster, M ;
Warmuth, MK .
MACHINE LEARNING, 1998, 32 (02) :151-178