杨 波

(昆明理工大学质量发展研究院 云南 昆明 650093)

(云南省计量测试技术研究院 云南 昆明 650228)

基于KPCA优化IHS-RVM的小时间尺度网络流量预测模型

杨 波

(昆明理工大学质量发展研究院 云南 昆明 650093)

(云南省计量测试技术研究院 云南 昆明 650228)

网络流量时间序列具有高维度、非线性和时变性等特征，针对传统时间序列模型预测精度较低的问题，提出基于KPCA(Kernel Principal Component Analysis)优化IHS-RVM的小时间尺度网络流量预测模型。首先对网络流量时间序列进行相空间重构，确定嵌入维数和延迟时间。然后利用KPCA对网络流量样本进行核主成分特征提取，降低嵌入维数，并获取核主元矩阵。在此基础上，通过改进HS(Harmony Search)算法(IHS)确定RVM核参数。最后利用参数优化的RVM模型进行小时间尺度网络流量预测。为了交叉验证模型的性能，采用实际数据进行性能对比分析。结果表明，本模型性能优于KPCA-IHS-ESN、KPCA-IHS-SVM和IHS-RVM模型，取得了良好的效果。

小时间尺度 网络流量 改进和声搜索算法 KPCA RVM

0 引 言

我国网民数量世界第一，网络服务质量成为当前网络管理和优化的重要内容[1]。网络流量是记录和反映网络用户活动的重要载体，其预测和控制优化问题备受关注[2]。

大时间尺度网络流量预测已经取得了较好的结果，但所得结论无法对网络流量实现实时优化与控制[2-3]。因此，近年小时间尺度(采样时间小于1 s[4])网络流量预测问题备受青睐。小时间尺度网络流量时间序列建模往往是一个多输入的高维、非线性建模问题[1]，传统的线性回归模型如ARMA、ARIMA模型等都难以获得令人满意的预测精度，且诊断时间较长，难以满足实时诊断的要求。……