粗粒度网络流量的灰色模型预测

摘要

在实际网络流量上研究了新陈代谢灰色模型(MGM)预测流量.预测结果表明,灰色模型建模长度远小于流量序列主周期长度时,预测精度较高.灰色模型预测流量宜采用小量数据建模,此时残差修正对提高预测精度影响很小,预测不需采用残差灰色模型(RGM).对比了灰色模型与自回归综合滑动平均模型(ARIMA)和Elman神经网络(ENN)模型的预测结果,灰色模型远优于ARIMA,与ENN相当.灰色模型的优点是能自适应网络流量的变化.