基于噪声统计的EMD-LSTM网络流量预测方法

摘要：

为了提高LSTM对网络流量的预测精度,针对训练样本中存在噪声的问题提出了一种基于噪声统计特性的EMD降噪方法,将每一训练样本经EMD分解后得到若干IMF,通过分析这些IMF确定其中的噪声IMF,将各样本中同一位置的噪声IMF进行统计平均后再与每一样本中的非噪声IMF叠加,以此实现每一样本的降噪,并将降噪后的样本作为LSTM训练样本;针对LSTM中使用滑动窗口输入训练样本时存在的误差叠加问题使用间隔采样的输入方法构造训练样本;将两种方法结合提出一种EMD-LSTM预测模型;仿真表明,相较于传统LSTM预测模型,所提模型具备更优的降噪效果与更准确的预测结果;此外,所提预测模型应用于一种基于无人机卸载流量的蜂窝网络,基于该模型预测结果提出一种无人机活动规划方法以优化无人机长时间工作中返航充电的时间点,规划后的无人机在同等情况下可以使用更小的缓存队列应对突发流量.

关键词：经验模态分解、长短期记忆、流量预测、无人机、流量卸载

所属期刊栏目：31

分类号：TP274(自动化技术及设备)

在线出版日期：2023-03-21（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：21-27