基于长短期记忆网络的轮询系统性能预测

摘要

为解决轮询系统性能参数计算复杂的问题,提出一种基于长短期记忆(Long Short-Term Memory,LSTM)网络的轮询系统性能预测方法.通过对已有实验数据进行建模和分析,构建LSTM模型,预测不同信息分组到达率下的轮询系统性能.首先对实验数据进行处理,以不同信息分组到达率下的平均排队队长构成一个序列;然后建立包括输入层、隐藏层、全连接层和输出层的LSTM网络来执行预测;最后采用循环将网络的输出重新输入,以此来预测未知到达率下的平均排队队长.实验结果显示预测值曲线与真实值曲线表现出了相同的趋势,表明该方法能够有效预测不同轮询系统的性能.与传统的数学分析方法相比,该方法计算效率较高.