文献类型：期刊文章

作　　者：张洋[1,2] 吴斌[1] 张继革[1] 陈文波[2]

Zhang Yang;Wu Bin;Zhang Jige;Chen Wenbo(Network Center,Lanzhou University,Lanzhou 730000,China;School of Information Science and Engineering,Lanzhou University,Lanzhou 730000,China)

机构地区：[1]兰州大学通信网络中心,甘肃兰州730000 [2]兰州大学信息科学与工程学院,甘肃兰州730000

出　　处：《华中科技大学学报（自然科学版）》

年　　份：2016

卷　　号：44

期　　号：S1

起止页码：29-34

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号：20164603015837)、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了更好地对网络流量进行分析和管理,提出一种基于小波变换、自回归滑动平均模型(ARMA)和极限学习机(ELM)的组合预测模型W-ARMA-ELM.原始数据通过小波分解产生近似序列和细节序列,通过对分解序列的自相关性和偏自相关分析,平稳序列使用ARMA预测,而非平稳序列使用ELM预测.使用兰州大学教育网、网通流量数据和英国学术主干网流量数据三组不同的网络流量数据来检验组合模型W-ARMAELM的预测性能.实验结果表明提出的组合方法要比单一的ARMA和ELM预测效果要好.同时指出使用自相关和偏自相关分析相结合的方法对分解后的子序列进行平稳性判定有助于选择合适的组合模型从而提高预测精度.

关 键 词：小波变换 自回归滑动平均模型  极限学习机 网络流量预测 组合模型  

分 类 号：TP393.06]