基于ZTS-SVR支持向量机算法的HTS网络负载预测

摘要

HTS是一种典型的全数据通信网络，HTS本质上是通过网络与数据提供所有通信业务，这也是地面三网融合追求的目标，HTS网络在采取上述策略时具有更高的效率和性能.HTS系统容量是传统通信卫星的几十甚至上百倍,能够向几十万用户提供宽带接入服务,网络负载波动剧烈.传统的时间序列分析基于经典统计模型,需要服从特定的概率分布,并且满足平稳性和独立同分布的假设.虽然通过序列差分能够将非平稳序列转换为平稳序列,但在平滑过程中,会丢失掉很多细节信息.本文将经典支持向量机算法从离散分类扩展到连续时间向量预测,基于ANOVA分解算法提出一种ZP核函数,仿真结果表明,本文提出的ZTS-SVR算法在精度和收敛速度上均优于ARIMA模型和采用RBF核函数的支持向量机算法.rn 支持向量机算法在大数据预测中得到了广泛的应用。本文通过对该算法改进使之能够适用于HTS卫星网络负载预测，根据仿真结果可以发现其性能优于经典时间序列分析算法。HTS系统相比于传统VSAT系统可以称之为一个大数据卫星系统，随之带来的相关问题可以借助于大数据分析的思维与方法进行研究，这也是本文研究的出发点与目标。