基于組合模型的網絡流量預測

李巧俠

(西安鐵路職業技術學院 土木工程學院， 西安 710600)

0 引言

隨著互聯網絡的迅速發展，網絡成為人們交流和溝通的一種重要工具，再加上網絡上業務種類不斷增加，網絡流量值急劇增加，因此網絡流量的預測引起了人們的廣泛關注，但網絡流量受到經濟、環境等因素綜合影響，變化具有隨性、混沌，同時受到上網時間、價格等因素影響，其變化十分復雜，如何提高網絡流量預測精度是網絡管理領域研究中重點[1-2]。

針對網絡流量預測問題，國內外學者進行廣泛、深入的研究，提出許多優秀的網絡流量預測模型[3]，當前網絡流量預測值可以分為：基于傳統統計學理論的網絡流量預測模型[4-5]，如線性回歸模型，它們是主要基于線性理論進行建模，假設網絡流量是一種單一線性變化規律，簡單、易實現，但是實際網絡流量變化不是簡單的線性變化特點，同時具有非線性變化特點，如隨機性、時變性，導致該類模型的網絡流量預測誤差大[6-7]。另一類為基于現代統計學理論的網絡流量預測模型[8]，其中神經網絡應用廣泛，由于神經網絡具有良好的非線性學習能力，獲得較理想的網絡流量預測結果[9-11]。神經網絡在訓練過程中，要進行不斷迭代更新權值，收斂速度慢、大，易出現“過擬合”的網絡流量預測結果[12]。極限學習機(extreme learning machine，ELM)是一種學習速度的神經網絡，只需要進行一次迭代就可以完成神經網絡的訓練，工作得到了大幅度。由于網絡流值變化十分復雜，單一模型無法獲得高精度的網絡流量預測結果[13]。……