基于ELM的非线性组合网络流量预测研究

摘要

cqvip:为了精准预测网络流量的短期走向,本文针对网络流量具有混沌性以及非线性性的变化特征,提出了一种基于ELM的非线性组合算法用于网络流量的预测方法。首先对原始数据进行预处理,相空间重构,然后建立Volterra滤波器自适应预测模型,BP神经网络预测模型,RBF神经网络预测模型,小波神经网络预测模型,SVM预测模型以及极限学习机预测模型对流量时间序列进行预测分析,再将其预测结果作为组合ELM的输入,构建起非线性组合预测模型。结果显示,该组合预测均方百分误差为5.51%,其各项评价指标均优于各子模型,验证了该组合策略的有效性与优越性,可为网络流量的预测提供一个较好的参考。