一种基于局域最大最小概率机的无线网络流量预测方法

摘要

本发明提供了一种基于局域最大最小概率机的无线网络流量预测方法，用互信息量算法计算时间序列的时间延迟，用Cao氏法计算时间序列的嵌入维数，用延迟坐标状态相空间重构法对时间序列进行相空间重构，得到相空间，用AICi信息准则计算相空间的邻近点个数，用基于KD-Tree的邻近点选择算法构造邻近点集合NNPS，用改进的K策略从邻近点集合NNPS中剔除伪邻近点，得到经过裁剪的邻近点集合NNPS′，用于构造最大最小概率机的训练特征集，调整最大最小概率机的参数，训练模型，得到预测值，实现了基于最大最小概率机预测模型的局域化，能够更准确、更及时地进行无线网络流量预测。

主权项

一种基于局域最大最小概率机的无线网络流量预测方法，其特征在于，包括以下各个步骤：步骤1：用互信息量算法计算时间序列的时间延迟；步骤2：用Cao氏法计算时间序列的嵌入维数m；步骤3：用延迟坐标状态相空间重构法对时间序列进行相空间重构，得到相空间；步骤4：将重构后的相空间分为两部分，每个行向量称为一段数据，对第二部分的每段数据进行预测，预测步长设置为，若为单步预测则=1，用归一化均方误差ε来表征模型的短期可预测性能，其定义如下：，其中是第二部分数据行向量的个数，，，, N为时间序列的样本总数，表示时间序列的均值，v(d)为每段数据的起始数据的序号，是利用线性映射得到的点的预测值，映射关系定义为：，其中为维行向量，为常数，通过对进行极小化处理可以得到邻近点个数k，其中C(k)表示关于k的一元二次方程，D为常数，表示拟合数据个数；步骤5：用重构相空间后的样本点构造KD‑Tree，利用搜索算法在KD‑Tree中搜索与目标点最邻近的k个点，用这k个点构造邻近点集合NNPS；步骤6：将夹角余弦的范围设定为[‑1，1]，夹角余弦值越大，说明两个点越邻近，计算NNPS中每个点与目标点的夹角余弦，记为，n为时间序列的点数，t为重构相空间后的相点数，当时，，当时，，设定阈值p，如果满足条件，，则该点从邻近点集合NNPS中剔除，直到剔除所有伪邻近点为止，得到经过裁剪的邻近点集合NNPS′；步骤7：用经过裁减的邻近点集合NNPS′构造最大最小概率机MPMR的训练特征集；步骤8：调整最大最小概率机MPMR的参数，训练模型，得到预测值。