基于ARIMA补偿ELM的网络流量预测方法

被引：12

作者：

田中大

李树江

王艳红

王向东

机构：

[1] 沈阳工业大学信息科学与工程学院

来源：

信息与控制 | 2014年 / 43卷 / 06期

关键词：

网络流量; 预测; 极限学习机; 自回归积分滑动平均模型(ARIMA); 自相似性;

D O I：

10.13976/j.cnki.xk.2014.0705

中图分类号：

TP393.06 [];

学科分类号：

摘要：

针对网络流量的预测问题,结合网络流量序列的自相似性分析而提出一种基于差分自回归滑动平均模型(ARIMA)补偿极限学习机(ELM)的网络流量预测方法.首先利用ELM模型对网络流量序列进行一步预测,然后对网络流量预测的误差序列通过ARIMA模型进行修正,最后将ELM模型预测值与ARIMA模型修正值进行叠加得到最终的预测值.与单独的ARIMA模型、最小二乘支持向量机(LS-SVM)预测模型以及Elman神经网络预测模型进行了对比,仿真结果表明本文的方法具有更高的预测精度.

引用

页码：705 / 710

页数：6

共 11 条

[1] 我国猪肉消费需求量集成预测——基于ARIMA、VAR和VEC模型的实证 [J].

郑莉 ;

段冬梅 ;

陆凤彬 ;

许伟 ;

杨翠红 ;

汪寿阳 .

系统工程理论与实践, 2013, 33 (04) :918-925

[2] 相空间重构的极端学习机短期风速预测模型 [J].

武峰雨 ;

乐秀璠 ;

南东亮 .

电力系统及其自动化学报, 2013, 25 (01) :136-141

[3] 一种结合DWT和FARIMA的网络拥塞控制机制 [J].

董春玲 .

小型微型计算机系统, 2011, 32 (05) :931-934

[4] 基于EMD及ARMA的自相似网络流量预测 [J].

高波 ;

张钦宇 ;

梁永生 ;

刘宁宁 ;

黄程波 ;

张乃通 .

通信学报, 2011, 32 (04) :47-56

[5] 粗粒度网络流量的灰色模型预测 [J].

孙韩林 ;

金跃辉 ;

崔毅东 ;

程时端 .

北京邮电大学学报, 2010, (01) :7-11

[6] 网络流量预测中的时间序列模型比较研究 [J].

姜明 ;

吴春明 ;

张旻 ;

胡大民 .

电子学报, 2009, 37 (11) :2353-2358

[7]

Comparative evaluation of ARIMA and ANFIS for modeling of wireless network traffic time series[J] . Rajnish K Yadav,Manoj Balakrishnan.EURASIP Journal on Wireless Communications and Ne . 2014 (1)

[8]

LSSVM Network Flow Prediction Based on the Self-adaptive Genetic Algorithm Optimization[J] . Liao Wenjing,Z. Balzen.Journal of Networks . 2013 (2)

[9]

Fast prediction of protein–protein interaction sites based on Extreme Learning Machines[J] . Debby D. Wang,Ran Wang,Hong Yan.Neurocomputing . 2012

[10]

Extreme learning machine: Theory and applications[J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.Neurocomputing . 2006 (1)

← 1 2 →