基于組合模型的網(wǎng)絡(luò)流量預(yù)測

《基于組合模型的網(wǎng)絡(luò)流量預(yù)測》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、基于組合模型的網(wǎng)絡(luò)流量預(yù)測蘭州大學(xué)-張洋CONTENTS14253研究背景實(shí)驗(yàn)結(jié)果及分析研究方法結(jié)論與建議模型設(shè)計(jì)RESEARCHBACKGROUNDSRESEARCHFRMETHODSmodeldesignexperimentresultsandanalysisCONCLUSIONANDSUGGESTION蘭州大學(xué)1研究背景RESEARCHBACKGROUNDS蘭州大學(xué)PPT模板下載：www.1ppt.com/moban/行業(yè)PPT模板：www.1ppt.com/hangye/節(jié)日PPT模板：www.1ppt.com/

2、jieri/PPT素材下載：www.1ppt.com/sucai/PPT背景圖片：www.1ppt.com/beijing/PPT圖表下載：www.1ppt.com/tubiao/優(yōu)秀PPT下載：www.1ppt.com/xiazai/PPT教程：www.1ppt.com/powerpoint/Word教程：www.1ppt.com/word/Excel教程：www.1ppt.com/excel/資料下載：www.1ppt.com/ziliao/PPT課件下載：www.1ppt.com/kejian/范文下載：www.1

3、ppt.com/fanwen/試卷下載：www.1ppt.com/shiti/教案下載：www.1ppt.com/jiaoan/PPT論壇：www.1ppt.cn1研究背景RESEARCHBACKGROUNDS蘭州大學(xué)Internet的普及率越來越廣，網(wǎng)民數(shù)量呈爆炸式的增長，這對計(jì)算機(jī)網(wǎng)絡(luò)的安全及管理提出巨大挑戰(zhàn)網(wǎng)絡(luò)流量分析是對網(wǎng)絡(luò)進(jìn)行管理最為廣泛和重要的手段之一有效的網(wǎng)絡(luò)流量預(yù)測可以對網(wǎng)絡(luò)管理提供依據(jù)研究現(xiàn)狀1研究背景RESEARCHBACKGROUNDS蘭州大學(xué)Poisson模型線性模型非線性模型組合模型流量數(shù)據(jù)服從

4、指數(shù)分布網(wǎng)絡(luò)具有尺度特性，Poisson不再合適。隨機(jī)性、突發(fā)性等非線性特點(diǎn)。網(wǎng)絡(luò)流量數(shù)據(jù)擁有組合特性和復(fù)雜性BPRBFSVM…ARMA通過分析時(shí)間序列歷史數(shù)據(jù)發(fā)掘研究事物變化的規(guī)律性2研究方法RESEARCHMETHODS蘭州大學(xué)2研究方法RESEARCHMETHODS蘭州大學(xué)ARMA模型由自回歸模型與滑動平均模型為基礎(chǔ)“混合”構(gòu)成。如果時(shí)間序列yt滿足：則稱時(shí)間序列為yt服從(p,q)階自回歸滑動平均混合模型?；蛘哂洖棣?B)yt=θ(B)εt特殊情況：q=0，模型即為AR(p)，p=0，模型即為MA(q)。2研究方

5、法蘭州大學(xué)極限學(xué)習(xí)機(jī)第一步：確定隱含層神經(jīng)元個(gè)數(shù)，隨機(jī)設(shè)定輸入層與隱含層間的連接權(quán)值w和隱含層神經(jīng)元的閾值b；第二步：選擇一個(gè)可以無限可微的函數(shù)作為隱含層神經(jīng)元的激活函數(shù)，進(jìn)而計(jì)算隱含層輸出矩陣H；第三步：計(jì)算輸出層權(quán)值是一種特殊類型的單隱層前饋神經(jīng)網(wǎng)絡(luò)，僅有一個(gè)隱結(jié)點(diǎn)層。極限學(xué)習(xí)機(jī)的結(jié)構(gòu)原理圖RESEARCHMETHODS2研究方法蘭州大學(xué)小波分解一種基于信號的時(shí)間、尺度的分析方法它具有在時(shí)間和頻率兩個(gè)域中提取信號局部特征的能力，非常適合對非平穩(wěn)的序列進(jìn)行特征提取和分析連續(xù)小波變換離散小波變換RESEARCHMETHO

6、DS2研究方法蘭州大學(xué)小波分解Mallet算法Mallat分解算法示意圖RESEARCHMETHODS3模型設(shè)計(jì)modeldesign蘭州大學(xué)小波分解及參數(shù)選擇Daubechies(dbN)小波Symlet(symN)小波Coiflet(coifN)小波Biorthogonal(biorNr.Nd)小波3模型設(shè)計(jì)modeldesign蘭州大學(xué)小波基選擇分解層數(shù)選擇+ARMA建模過程3模型設(shè)計(jì)modeldesign蘭州大學(xué)142536平穩(wěn)性判定自相關(guān)系數(shù)偏自相關(guān)系數(shù)模型識別模型檢驗(yàn)?zāi)Ｐ皖A(yù)測基于小波變換的組合模型設(shè)計(jì)與實(shí)現(xiàn)方

7、法二3模型設(shè)計(jì)modeldesign蘭州大學(xué)小波分解平穩(wěn)性判斷ARMA建模ELM建模重構(gòu)4實(shí)驗(yàn)結(jié)果及分析experimentresultsandanalysis蘭州大學(xué)4實(shí)驗(yàn)結(jié)果及分析experimentalresultsandanalysis蘭州大學(xué)性能評價(jià)指標(biāo)為了檢驗(yàn)實(shí)驗(yàn)的預(yù)測精度，我們使用了三種不同的統(tǒng)計(jì)指標(biāo)：平均絕對誤差百分比（MeanAbsolutePercentageError），平均絕對誤差（MeanAbsoluteError）和均方根誤差（RootMeanSquareError）。4實(shí)驗(yàn)結(jié)果及分析expe

8、rimentalresultsandanalysis蘭州大學(xué)實(shí)驗(yàn)數(shù)據(jù)一共七天的每天08:00到24:00之間的192條數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，將前六天的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，最后一天的數(shù)據(jù)作為測試數(shù)據(jù).4實(shí)驗(yàn)結(jié)果及分析experimentalresultsandanalysis蘭州大學(xué)UK數(shù)據(jù)經(jīng)過小波變換之后得到的細(xì)節(jié)部分dx（x