基于PF-LSTM网络的高效网络流量预测方法

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-10-11 合作期刊: 《计算机应用研究》

李校林 吴腾

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。

 点击量 1582  下载量 981  评论