大数据环境下的网络流量非线性预测建模

摘要

为了改善大规模网络流量预测结果,建立了大数据环境下的网络流量非线性预测模型。首先采集大规模的网络流量历史数据,然后根据云计算技术的Map/Reduce处理模式对其进行细分,得到多个数据量相对较小的子训练样本集合,并引入数据挖掘技术中的状态回声网络对子训练样本集合的网络流量进行预测,最后对子训练样本集合的网络流量预测结果进行融合,并与当前经典网络流量预测模型进行了对照实验,模型的网络流量预测精度超过90%,网络流量训练时间得到了大幅度缩短,网络流量整体性能要明显优于当前经典网络流量预测模型,对比实验验证了本模型用于当前网络流量建模与预测的优越性。