基于PF-LSTM网络的高效网络流量预测方法

作     者：李校林 吴腾 Li Xiaolin;Wu Teng

作者机构：重庆邮电大学通信新技术应用研究中心重庆400065 重庆信科设计有限公司重庆401121 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2019年第36卷第12期

页      码：3833-3836页

摘      要：传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点。为解决此问题,提出一种基于长短期记忆(LSTM)循环神经网络的网络流量预测模型。首先,用距离比较和优化组合策略改进粒子滤波算法(PF)的重采样过程;然后搭建PF-LSTM网络的网络流量预测模型,将改进的PF算法用于模型训练,提高其训练速率,克服传统LSTM网络中收敛于局部最优的缺点;最后将提出的模型用于网络流量预测。实验结果表明,相比传统的LSTM模型,提出的PF-LSTM模型具有较好的预测精度和收敛效率,能够更好地描述网络流量的变化趋势。

主 题 词：网络流量预测 长短期记忆神经网络 粒子滤波算法 预测模型 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.19734/j.issn.1001-3695.2018.06.0394

馆 藏 号：203827591...