粗粒度网络流量的灰色模型预测

被引：23

作者：

孙韩林 ^{[1
]}

金跃辉 ^{[1
]}

崔毅东 ^{[1
,2
]}

程时端 ^{[1
]}

机构：

[1] 北京邮电大学网络与交换技术国家重点实验室

[2] 北京邮电大学信息与通信工程学院

来源：

北京邮电大学学报 | 2010年 / 01期

基金：

高等学校博士学科点专项科研基金;

关键词：

网络流量预测; 灰色理论; 灰色模型;

D O I：

暂无

中图分类号：

TP393.06 [];

学科分类号：

摘要：

在实际网络流量上研究了新陈代谢灰色模型(MGM)预测流量.预测结果表明,灰色模型建模长度远小于流量序列主周期长度时,预测精度较高.灰色模型预测流量宜采用小量数据建模,此时残差修正对提高预测精度影响很小,预测不需采用残差灰色模型(RGM).对比了灰色模型与自回归综合滑动平均模型(ARIMA)和Elman神经网络(ENN)模型的预测结果,灰色模型远优于ARIMA,与ENN相当.灰色模型的优点是能自适应网络流量的变化.

引用

页码：7 / 11

页数：5

共 6 条

[1] 一种基于灰色神经网络的网络流量预测模型 [J].