基于EMD和粒子群优化的LS-SVM的网络流量预测.pdf

2013年12月 计算机工程与设计 Dec．2013 第34卷第12期 COMPUTERENGINEERINGANDDESIGN V01．34NO．12 朱倩雨1，覃锡忠1，贾振红1，盛磊2，陈丽2 (1．新疆大学信息科学与工程学院，新疆乌鲁木齐830046； 2．中国移动通信集团新疆有限公司，新疆乌鲁木齐830063) 摘要：针对网络流量时间序列呈现出的非线性、非平稳、多尺度的特点，提出了一种结合经验模式分解(EMD)和粒子 群优化的最小二乘支持向量机(峪SVM)的流量预测模型。通过EMD分解，将原始流量的非平稳序列分解为若干不同尺 预911结果。仿真结果表明，该方法不仅能够获得较高的预测精度，还能够反映原始流量数据的突变性。 关键词：经验模式分解；本征模式分量；粒子群；最小二乘支持向量机；组合预测 中图法分类号：TP393文献标识号：A 文章编号：1000—7024(2013)12—4104—05 Networktraffic basedonEMDand prediction swarm ofLS-SVM particle optimization ZHU Lei2，CHENLi2 Qian-yul，QINXi—zhon91，JIAZhen-hon91，SHENG (1．SchoolofInformationScienceand Engineering，XinjiangUniversity，Urumqi ofChinaMobilein 830063，China) Company Xinjiang，Urumqi tO Abstract：Duethe characteristicsofthenetworktraffictimeseries，amodelthatcorn— non-linear，non-stationary，multi—scale hinesEMDand swarm ofLS-SVMis themodelis the particle optimization proposed．FirstlydecomposedbyEMD。makingorigi— nal flow intodifferentscalesofsmoothIMF swarm of non-stationarysequencedecompose component，thenparticle optimization LS-SVMisusedtO each the resultsofthe theSVM predictcomponentseparately，andfinallypredicted originalsequencethrough combinationare simulationresultsshowthatthemethodnot obtain alsore— acquired．The only prediction higher accuracy．but flectthe of flowdata． mutabilityoriginal mode