基于优化组合核极限学习机的网络流量预测

摘要：

为了提高网络流量预测的精度，针对网络流量数据具有非线性、非平稳的特点，提出一种基于经验模态分解( EMD)和混沌粒子群算法优化组合核极限学习机的网络流量预测模型。首先将网络流量时间序列进行EMD分解，提取网络流量数据的各个分量，然后分别对各个分量采用核极限学习机进行预测，最后重构出预测结果。针对传统核极限学习机拟合能力的不足，提出一种基于高斯核和多项式核组合的组合核极限学习机，并且采用改进的混沌粒子群算法优化组合核的核参数组合权值以及惩罚因子，并将其应用到网络流量预测中。实验结果表明，该方法可以有效提高网络流量预测的精度，有助于指导网络资源的合理分配和规划。

关键词：网络流量预测、核极限学习机、组合核函数、混沌粒子群、经验模态分解

所属期刊栏目：26

分类号：TP391.9(计算技术、计算机技术)

资助基金：河南省教育科学技术研究重点项目15C520016;开封市科技攻关计划项目130145

在线出版日期：2016-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：73-77