基于PF-LSTM网络高效网络流量预测方法.PDF

———————————————————————————————————————————————— 基于PF-LSTM 网络的高效网络流量预测方法 作者 李校林，吴腾 机构 重庆邮电大学；重庆信科设计有限公司 DOI 10.3969/j.issn.1001-3695.2018.06.0394 预排期卷 《计算机应用研究》2019 年第36 卷第12 期 摘要 网络流量具有实时突变性和依赖性，传统网络流量预测模型存在泛化能力弱和预测准确度低 等缺点。为解决此问题，提出一种基于长短期记忆（LSTM）循环神经网络的网络流量预测模 型。首先，用距离比较和优化组合策略改进粒子滤波算法（PF）的重采样过程；然后搭建PF- LSTM 网络的网络流量预测模型，将改进的PF 算法用于模型训练，提高其训练速率，克服传 统的LSTM 网络中收敛于局部最优的缺点；最后将提出模型用于网络流量预测。实验结果表 明，相比于传统的LSTM 模型，提出的PF-LSTM 模型具有较好的预测精度和收敛效率，能够 更好地描述网络流量的变化趋势。 关键词 网络流量预测；长短期记忆神经网络；粒子滤波算法；预测模型 作者简介 李校林（1968-），男，重庆人，正高级工程师，硕导，主要研究方向为通信新技术与电信新 业务等（lixiaolin@）；吴腾（1995-），男，硕士研究生，主要研究方向为大数据 技术研究及应用． 中图分类号 TP393.01 访问地址 /article/02-2019-12-026.html 投稿日期 2018 年6 月1 日 修回日期 2018 年7 月20 日 发布日期 2018 年10 月8 日 引用格式 李校林, 吴腾. 基于 PF-LSTM 网络的高效网络流量预测方法[J/OL]. 2019, 36(12). [2018-10- 08]. /article/02-2019-12-026.html. 36 12 Vol. 36 No. 12 第 卷第 期 计算机应用研究 录用定稿 Application Research of Computers Online Publication 基于PF-LSTM 网络的高效网络流量预测方法 1, 2 1 李校林 ，吴 腾 (1. 重庆邮电大学, 通信新技术应用研究中心, 重庆 400065; 2. 重庆信科设计有限公司, 重庆 401121) 摘 要：网络流量具有实时突变性和依赖性，传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点。为解决 LSTM 此问题，提出一种基于长短期记忆 （ ）循环神经网络的网络流量预测模型。首先，用距离比较和优化组合策略改 PF PF-LSTM PF 进粒子滤波算法（ ）的重采样过程；然后搭建 网络的网络流量预测模型，将改进的 算法用于模型训练， 提高其训练速率，克服传统的LSTM 网络中收敛于局部最优的缺点；最后将提出模型用于网络流量预测