基于优化FAEMD-OSELM的WSN流量预测算法研究
针对无线传感器网络(WSN)组合流量预测算法自适应性低、计算复杂度高等不足,提出一种基于优化FAEMD-OSELM的WSN流量预测算法.算法利用快速自适应经验模态分解(FAEMD)将信号分解为一系列本征模态函数和一个残余函数,通过设计自适应滤波窗口提高信号分解过程的自适应性.进一步,采用在线贯序极限学习机(OSELM)对信号分量进行训练、预测,运用奇异值分解(SVD)理论优化神经网络的参数和拟合过程,降低计算复杂度.同时,结合样本选择器进一步控制预测误差范围,保证算法的预测精度.实验结果表明,算法在分解效果、耗机时间、预测精度等关键性能指标上具有较为明显的优势.
流量预测、快速自适应经验模态分解、自适应滤波窗口、在线贯序极限学习机、奇异值分解
41
TH69;TP391(专用机械与设备)
2021-01-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
262-270