文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于在线LS—SVM的网络流量预测
侵权投诉

基于在线LS—SVM的网络流量预测

为了提高流量预测的准确性,将混沌理论和在线LS—SVM回归技术应用于网络流量预测。采用相空间重构理论计算流量的时延r、嵌入维数m,据此确定训练样本对并建立在线预测模型,对网络流量数据进行预测。结果表明,该方法能有效地进行流量预测,相对于传统的离线预测方式,该方法具有更好的预测精度。

穗蠲皴 ir匹 aeo i riw

W B

【本文献信息】李明迅,孟相如,温祥西, .等基于在线 L— V S S M的网络流量预测[]电视技术, 1, ( ) J. 2 23 7 0 6

基于在线 L S—S M的网络流量预测 V 李明迅,孟相如,温祥西,袁荣坤 (军工程大学电讯工程学院,西西安 7 07 )空陕 107

【摘要】为了提高流量预测的准确性,将混沌理论和在线 L— V回归技术应用于网络流量预测。采用相空间重构理论计 S SM算流量的时延 r、维数 m,此确定训练样本对并建立在线预测模型,网络流量数据进行预测。结果表明,方法能有效嵌入据对该地进行流量预测,对于传统的离线预测方式,相该方法具有更好的预测精度。 【关键词】混沌理论;最小二乘支持向量机;网络流量;线预测;算法在迭代【中图分类号】T33 P9【文献标识码】A Pr d c i n o t r a c Fl w s d o On i e Le t S a e e ito fNe wo k Tr f o Ba e n ln as qu r sSup r c o a hi e i po tVe t r M c n s L n x n,MENG Xin r IMi g u a g u,WEN a g i Xin x,YUAN Ro g a nk n

( e c m n a o n i en s t e A o e n i e n n e i, ia 107 C i ) Tl o u i t nE g er gI t t打F r gn r g U i rt X’ n 0 7, h a em ci n i ni, u cE e i v sy 7 n

【 bt c】T e ho er doleL—V g so r ape e ok rf o r ii p v s cuay T e hs sae e A sr t h asho a nn S M r r s n e pldt nt r t i fwpe co t i r etacr . h ae pc— a c t yn i s e e i a i o w a c f l d tn o m o i c p r c nt ci ho sit d c dt c l lt ed l m ) n mb d e i e s n( o s ut nter i nr u e o ac a t ea t e( a de e dddm ni m).O i b s,tet iigsmpe r ome n h r o y o u eh yi o nt s a

i h r nn a lsaefr da dte h s a o ln S VM rdito d li o sr ce op e itte n t r r fcfo n ie L -S p e cin mo e sc n tu tdt r dc h ewo k tai w.T er s l h w ta h nie L S f l h e ut s o h tteo ln s— VM r dt n mo e a f c s p e ii d lc n ef— o e tv l rditten t r rfi o n e ih ra c r c o ae t h f-ie p e it n mo e . ieyp e c h ewo k tafcf w a d g thg e c ua y c mp rd wi te o l rdci d 1 l h n o

【 e od】casho;essur po et ah e; e o ai fw ol e rd t n irte l rh K yw rs ho t r l tqa s uprvc r ci s nt r tfcl; ni eii;tav g im ey a e s t o m n w k r f o n p co e i a ot

随着通信网规模和业务的增加,网络故障管理也越来集,利用 L— V回归建立在线预测模型, S sM实现对流量的越繁重与复杂。网络流量预测能为网络故障预测和健康在线预测。 管理提供有效依据。使故障在尚未发生时就得到控制,增强网络的可生存性,降低维护成本。 网络是一个复杂的非线性系统,统的预测方法如传

1基于混沌理论的相空间重构 在一个确定性系统中,混沌看似是没有规律的无序

基于 F R M A M指数平滑等线性方法难以对其建运动, A I A、 R A、但又不同于杂乱无章的的随机运动,其轨迹虽然发 模-, -神经网络的预测方法基于经验风险最小化原则,易散,但是又始终受到奇异吸引子的约束,因网络流量的又

出现过学习问题而影响其泛化性并容易陷入局部最优。自相似现象与混沌现象之间存在着紧密联系, 某些特征量支持向量机 ( u pfV c r ahn,V是以统计学理具有相同的值, S p o et cieS M) l oM故网络流量是可进行短期预测的。 论为基础,于结构风险最小化原则,基适合于小样本学习、 相空间重构是进行混沌时间序列预测的基础,将混非线性

系统建模以及不易陷入局部最优,具有较强的泛化沌时间序列通过嵌入维数 m与时延 r重构为一个低阶非 能力。标准 S M预测在训练时需解二次规划问题, V其线性动力学系统。通过相空间重构,可以发现混沌吸引子

计算量较大,不适合在线预测。为提高 S M的计算速度, V

的隐 J演化规律,而为研究混沌时间序列提供新方法与生从

S y es u kn等提出了最小二乘支持向量机 ( es S urs思路。相空间重构的质量直接关系到预测模型的建立与 L at q ae S p o et ah e,S S M)简化运算,高速度。预测的准确度。 u p ̄V c rM c i sL— V, o n提 由于网络流量拥有混沌特性,用相空间重构法可以采

混沌时间序列相空间重构的关键是时延 f和嵌入维

解决训练样本对的确定问题;现有的网络流量预测技术通数 m的确定]。文献[]出,每一个确定的时间序 7指对

常采用的是离线学习的预测方法,即使用固定的学习样本列,应存在一个最优的丁和 m。如果 r太小,都将不能展来建立训练模型,但最初的训练模型对新样本的预测能力示系统的动力学特征,太大会使简单轨道变得复杂且会 会随时间推移大幅下降,而在线更新样本可以更好地解决减少有效的数据点数;同样 m太小嵌人空间将无法包含 这一问题。文章采用混沌理论对网络流量数据进行相空动力学系统的吸引子,从而无法全面展现系统的动力学特间重构,确定训练样本对,再使用滑动窗口实时更新样本 基金项目:西省自然科学基金项目( J 8 1 2 0 J 0 8陕 S 0 F 4;09 Q80 )

《视术第3卷第7总 32 I稿址h: w . eE n 6 电技》 6期(第 8期)网 t/ w io. 7投 t/ V pw d o

基于在线LS—SVM的网络流量预测

第1页

TOP相关主题

你可能喜欢

热门文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email