期刊文章详细信息
基于小波和ARIMA模型的业务流预测方法
Traffic Flow Prediction Method Based on Wavelet and ARIMA Model
文献类型：期刊文章
机构地区：[1]浙江工业职业技术学院电气工程学院,浙江绍兴312000
基 金：浙江省自然科学基金资助项目(y1080023)
年 份：2013
卷 号：39
期 号：2
起止页码：77-80
语 种：中文
收录情况：AJ、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、普通刊
摘 要：针对因节点失效而造成的业务流性能变化问题,提出一种新的Ad hoc网络状态预测算法TAP。该算法利用小波变换减弱实际业务流的长相关特性,并结合自回归移动平均(ARIMA)模型和Kalman滤波建立状态预测方程。通过仿真实验对比分析ARMA和FARIMA的预测精度,结果表明,TAP算法业务流性能较优,其残差为18.23%。
关 键 词：长相关 预测 小波 自回归移动平均模型 KALMAN滤波 精度
分 类 号：TP393]
参考文献：
正在载入数据...
二级参考文献：
正在载入数据...
耦合文献：
正在载入数据...
引证文献：
正在载入数据...
二级引证文献：
正在载入数据...
同被引文献：
正在载入数据...
