基于改进LSTM算法的天地一体化信息网络流量预测

Traffic Prediction of Space-Integrated-Ground Information Network Based on Improved LSTM Algorithm

潘成胜 ¹王羽夫 ²杨力²

扫码查看

作者信息

1. 大连大学通信与网络重点实验室,辽宁大连 116622;南京信息工程大学,江苏南京 210044
2. 大连大学通信与网络重点实验室,辽宁大连 116622
折叠

摘要

天地一体化信息网络由于存在流量突发性强、拓扑时变等问题使得通信易产生中断,流量波动不平稳导致其流量预测难度远高于地面网络.针对该问题,提出一种改进的LSTM算法,首先分析流量序列滞后变量对预测值的影响,判断流量自相关度;其次,采用以预测值代替中断的方式,消除训练集的噪声和断点;最后,使用Dropout算法减少了噪声和神经网络过拟合带来的影响,准确预测天地一体化信息网络流量数据.仿真实验表明,在OPNET仿真环境中,该算法相较于其他算法准确性提升了59.21％,算法训练速度提升了11.11％,能够为天地一体化信息网络统筹调度提供有效的数据支撑.

关键词

天地一体化信息网络/网络流量预测/深度学习/流量自相关性

引用本文复制引用

出版年

2020

天地一体化信息网络

ISSN：

被引量6

参考文献量3

段落导航