计算机科学 ›› 2015, Vol. 42 ›› Issue (1): 122-125.doi: 10.11896/j.issn.1002-137X.2015.01.029
柏骏,夏靖波,赵小欢
BAI Jun, XIA Jing-bo and ZHAO Xiao-huan
摘要: 针对自相似网络流量提出了一种基于EMD(经验模态分解)和RVM(相关向量机)的自相似时间序列预测模型。该模型利用EMD将滑动窗口内的小时间尺度网络流量序列分解为多个IMF(固有模态函数)分量,以去除流量序列长相关性;然后采用RVM 对其中的高频分量进行拟合,而对低频分量则使用ARMA构建预测模型;最后合成各分量的预测结果。实验表明,该模型能准确地预测流量时间序列的幅值及其趋势,与同类型预测方法相比,其预测性能更好。
[1] 杨双懋,郭伟,唐伟.基于FARIMA-GARCH 模型的网络业务预测算法[J].通信学报,2013,34(3):23-31 [2] 郭通,兰巨龙,李玉峰,等.基于量子自适应粒子群优化径向基函数神经网络的网络流量预测[J].电子与信息学报,2013,35(9):2220-2226 [3] Shiravi Y G K A,Min P S.Congestion Prediction of Self-Similar Network through Parameter Estimation[C]∥2006 IEEE/IFIP Network Operations and Management Symposium (S1542-1201).Vancouver,BC:IEEE/IFIP,2006:1-4 [4] 石江涛,王永纲,戴雪龙,等.自相似网络业务流量的研究与实现[J].通信学报,2005,26(6):115-120 [5] JI Q J.Can Multifractal traffic burstiness be approximated bymarkov modulated poisson processes?[C]∥Proceedings 12th IEEE International Conference Networks,2004(ICON 2004).2004:26-30 [6] 邹柏贤,姚志强.一种网络流量平稳化方法[J].通信学报,2004,25(8):14-23 [7] Liu J K,Shu Y T,Zhang L F,et al.Traffic modeling based on FARIMA models[C]∥IEEE Canadian Conference Electrical and Computer Engineering.Canndian,1999:162-167 [8] 高茜,冯琦,李广侠.基于组合模型的自相似业务流量预测[J].计算机科学,2012,39(4):123-126 [9] 高波,张钦宇,梁永生,等.基于EMD及ARMA的自相似网络流量预测[J].通信学报,2011,32(4):47-56 [10] Huang N E,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for non-linear and non-stationary time series analysis[C]∥Proceedings of the Royal Socie-ty of London.Series A,1998,4:903-995 [11] Tipping M.Sparse Bayesian Learning and the Relevance Vector Machine[J].Journal of Machine Learning Research,2001,1(1):211-244 [12] 胡昌华,王兆强,周志杰,等.一种RVM模糊模型辨识方法及在故障预报中的应用[J].自动化学报,2011,37(4):503-512 [13] 夏靖波,柏骏,赵小欢,等.基于相关向量机的在线网络流量分类方法[J].吉林大学学报:工学版,2014,44(2):459-464 [14] 王晓兰,张万宏,王慧中.基于小波变换和AR-LSSVM的非平稳时间序列预测[J].控制与决策,2008,23(3):357-360 |
No related articles found! |
|