发明名称 |
一种基于认知网络的网络流量预测方法和装置 |
摘要 |
本发明提供了一种基于认知网络的网络流量预测方法和装置,通过对输入信号X(t)进行最小二乘法处理,输出预测样本数据Y(t),对Y(t)进行小波变换,分解为不同频率成分的分量,k时刻小波变换系数序列{D1(k),D2(k),…DL(k),AL(k)},把分量{D1(k),D2(k),…DL(k)}作为Elman网络的输入,k+T时刻的小波系数{D1(k+T),D2(k+T),…DL(k+T)}作为输出来训练网络,把分量{AL(k)}作为线性网络的输入,{AL(k+T)}来作为输出来训练网络,将训练好的小波各分量{D1(k+T),D2(k+T),…DL(k+T),AL(k+T)}作为BP网络的输入,k+T时刻的原始流量时间{f(k+T)}作为网络输出,训练网络,获取预测输出,针对以往的流量模型以及预测方法的利弊,引入LMS算法对输入样本进行预处理,再输入到接下来的小波神经网络预测模型(WNN)中,解决了现有模型的“过拟合”问题,为网络流量提供更为准确的模型和预测。 |
申请公布号 |
CN102056183B |
申请公布日期 |
2013.08.21 |
申请号 |
CN201010585259.9 |
申请日期 |
2010.12.10 |
申请人 |
北京交通大学 |
发明人 |
朱晓敏;谷秀君;张润彤;尚小溥;李丹丹;华蕊;李岩 |
分类号 |
H04W16/22(2009.01)I |
主分类号 |
H04W16/22(2009.01)I |
代理机构 |
北京润泽恒知识产权代理有限公司 11319 |
代理人 |
苏培华 |
主权项 |
一种基于认知网络的网络流量预测方法,其特征在于,所述方法包括:对输入信号X(t)进行最小二乘法处理,输出预测样本数据Y(t);对Y(t)进行小波变换,分解为不同频率成分的分量,k时刻小波变换系数序列{D1(k),D2(k),…DL(k),AL(k)};把分量{D1(k),D2(k),…DL(k)}作为Elman网络的输入,k+T时刻的小波系数{D1(k+T),D2(k+T),…DL(k+T)}作为输出来训练网络;把分量{AL(k)}作为线性网络的输入,{AL(k+T)}来作为输出来训练网络;将训练好的小波各分量{D1(k+T),D2(k+T),…DL(k+T),AL(k+T)}作为BP网络的输入,k+T时刻的原始流量时间{f(k+T)}作为网络输出,训练网络,获取预测输出。 |
地址 |
100044 北京市海淀区西直门外上园村3号 |