基于KPCA优化ESN的网络流量预测方法

摘要：

为了提高网络流量的预测精确度,提出一种核主成分分析( KPCA )优化回声状态网络( ESN)的网络流量预测方法. 首先利用相空间重构对网络流量序列进行处理,提高序列的可预测性,然后对网络流量序列进行核主成分分析,提取序列中的有效信息,通过实验方法确定回声状态网络的储备池参数,最后利用回声状态网络对网络流量进行预测. 与标准回声状态网络、差分自回归滑动平均模型( ARIMA)、以及最小二乘支持向量机( LSSVM)预测模型进行了仿真对比,结果表明提出的方法具有更高的预测精确度以及更小的预测误差,同时一定程度上减少了预测时间.

关键词：网络流量、预测、回声状态网络、核主成分分析、相空间重构

所属期刊栏目：19

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61034005;辽宁省博士科研启动基金20141070

在线出版日期：2016-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：114-120