基于Prophet融合MGF提取的网络流量预测

摘要：

针对网络流量具有多分形特点,传统的网络流量预测模型存在无法有效提取流量在不同时间尺度下的不同特性缺陷,提出一种基于Prophet模型融合粗细粒度特征提取的网络流量预测模型.首先利用Prophet模型将网络流量序列分解成非线性项及附加项;然后对这两项分别建立Prophet模型、卷积神经网络(CNN)和基于注意力机制(Attention)的长短期记忆网络(LSTM)模型进行预测;最后将各部分的预测结果集合得到网络流量最终的预测结果.相比于传统的LSTM模型,所提出的模型在平均绝对百分比误差(MAPE)和决定系数(R2)这两个评价指标上效果分别优化了25.3％、0.106,在预测精度和预测速度上都有所提升.

关键词：网络流量预测;注意力机制;神经网络;多粒度特征

所属期刊栏目：38

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金重点项目;国家自然科学基金项目

在线出版日期：2021-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：475-480