10.19734/j.issn.1001-3695.2018.06.0394
基于PF-LSTM网络的高效网络流量预测方法
传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点.为解决此问题,提出一种基于长短期记忆(LSTM)循环神经网络的网络流量预测模型.首先,用距离比较和优化组合策略改进粒子滤波算法(PF)的重采样过程;然后搭建PF-LSTM网络的网络流量预测模型,将改进的PF算法用于模型训练,提高其训练速率,克服传统LSTM网络中收敛于局部最优的缺点;最后将提出的模型用于网络流量预测.实验结果表明,相比传统的LSTM模型,提出的PF-LSTM模型具有较好的预测精度和收敛效率,能够更好地描述网络流量的变化趋势.
网络流量预测、长短期记忆神经网络、粒子滤波算法、预测模型
36
TP393(计算技术、计算机技术)
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
3833-3836