基于HP滤波的ARMA-ABCSVR-GABP网络流量预测
2022-01-28郑晓亮朱国森
计算机应用与软件 2022年1期
郑晓亮 朱国森
(安徽理工大学电气与信息工程学院 安徽 淮南 232001)
0 引 言
网络流量具有的特性包括突发性、周期性、长相关性、非线性[1]。针对网络流量的不同特性,对网络流量的预测也多种多样:在网络流量预测中曾扮演重要作用的单一预测模型,如BP神经网络[2]、RBF神经网络[3]、以及使用长短时记忆网络(LSTM)算法的网络流量预测[4]等;使用优化算法进行优化的模型,如量子遗传算法优化的BP模型[5]、改进蜂群算法优化LSSVM[6]等;结合不同单一模型的优势而预测的组合模型,如,融合回声状态网络和自回归-滑动平均模型的流量预测[7];依据网络流量特性进行不同尺度分解再进行预测的模型研究,如小波分解[8-9]后基于分解得到的数据特性使用不同模型预测的研究。
实际的网络流量研究还需要结合特定网络流量数据特性进行。高铁站流量在白天尤其是正午时分达到峰值,而在凌晨时分则流量相对较低,随着时间增长呈现一种周期的特性。由于经济水平的提高,高铁越来越成为一种流行的出行方式,旅客的增长对流量产生一定的波动,呈现一种长期的趋势。结合上述两点,提出一种基于HP滤波分解的组合模型。通过HP滤波[10]将网络流量时间序列分解成周期序列及趋势序列,再针对分解后的数据特性,分别使用ARMA预测平稳数据,及ABC优化后的SVR对非平稳数据进行拟合预测,将两者结果叠加,通过GABP进一步减小预测的误差[11]。
1 网络流量数据特性
网络流量指的是网络传输的数据量,一般分为上行流量和下行流量,通常所说的网络流量是二者的结合。……
登录APP查看全文
