SVM在非线性网络流量预测中的应用研究

摘要：

网络流量是一种高度自相关、非线性时间序列数据,传统预测方法都是基于线性模型,无法反映网络流量的非线性变化规很,导致预测精度不高.为了提高网络流量的预测精度,在分析网络流量特征的基础上,提出一种基于相空间重构的支持向量机网络流量预测模型.首先利用相空间重构对网络流量原始数据进行重构,捕捉原始数据的多样性,然后将重构的数据利用非线性预测性能优异的支持向量对其进行学习和训练,建立网络流量的最优预测模型.最后以具体的网络流量数据对该模型进行了仿真,仿真结果表明.支持向量机模型比其它网络流量预测模型有较高的预测精度,因此支持向量机模型对于网络流量非线性问题的预测,具有较高的泛化能力和预测精度.

关键词：网络流量、支持向量机、时间序列、预测

所属期刊栏目：28

分类号：TP393.07(计算技术、计算机技术)

在线出版日期：2011-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：159-162