基于极端学习机的网络流量预测模型

摘要：

为了更加精确地对网络流进行预测,降低网络拥塞的频率,提出了极端学习机的网络流量预测模型.针对网络流量混沌性分别确定原始网络流量的延迟时间和嵌入维数,采用极端学习机对网络流量的变化特点进行拟合,并对标准学习机进行改进,改善学习速度和预测性能,通过网络流量数据的预测实验验证其可行性.结果表明,与其它网络流量预测模型相比,改进极限学习机的网络流量预测结果更加可靠,对网络流量将来变化趋势可以更加准确描述,提高了网络流量预测精度.

关键词：网络流量、相空间重构、极端学习机、混沌变化特性

所属期刊栏目：34

分类号：TP393(计算技术、计算机技术)

在线出版日期：2018-06-15（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：53-56