计算机技术与发展2020，Vol.30Issue(9) ：1-6.DOI:10.3969/j.issn.1673-629X.2020.09.001

一种基于并联组合模型预测站点流量的策略

A Strategy of Forecasting Station Traffic Based on Parallel Combination Model

冯培坤 刘杰 伍卫国 柴玉香 张祥俊
计算机技术与发展2020，Vol.30Issue(9) ：1-6.DOI:10.3969/j.issn.1673-629X.2020.09.001
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

一种基于并联组合模型预测站点流量的策略

A Strategy of Forecasting Station Traffic Based on Parallel Combination Model

冯培坤 1刘杰 2伍卫国 3柴玉香 1张祥俊3
扫码查看

作者信息

  • 1. 西安交通大学 软件学院,陕西 西安 710000
  • 2. 上海超级计算中心,上海201203
  • 3. 西安交通大学 计算机学院,陕西 西安 710000
  • 折叠

摘要

随着流量数据的增加,网络流量呈现出复杂多变的特点,为了方便站点的运营和网络的管理,需要对网络流量进行预测.当前,网络流量预测多采用回归预测模型、卡尔曼滤波模型、神经网络模型、支持向量机模型等方法.文中考虑高性能计算环境下作业管理系统日志流量的特点和预测需求等因素,通过分析卡尔曼滤波算法和支持向量机的原理与缺点,提出了一种基于时间序列,结合卡尔曼滤波和支持向量机的并联组合模型,并对其进行了测试与分析.结果 表明,在相同的环境下,基于卡尔曼滤波算法和支持向量机的并联组合模型相比于卡尔曼滤波算法和支持向量机单个模型对流量的预测与实际流量值误差更小,预测结果也是可靠有效的,更适用于预测站点流量.

关键词

卡尔曼滤波/支持向量机/时序预测模型/并联组合模型/流量预测模型

引用本文复制引用

基金项目

国家重点研发计划重点专项项目(2016YFB0201800)

国家重点研发计划重点专项项目(2017YFB0203003)

出版年

2020
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量1
参考文献量16
段落导航相关论文