高斯过程回归补偿ARIMA的网络流量预测

田中大, 李树江, 王艳红, 王向东

沈阳工业大学 信息科学与工程学院, 沈阳 110870

收稿日期:2017-03-02出版日期:2017-12-28发布日期:2017-12-28

作者简介:田中大(1978-),男,讲师,E-mail:tianzhongda@126.com.
基金资助:辽宁省自然科学基金重点项目（20170540686）；辽宁省教育厅科学研究项目（LGD2016009）

Network Traffic Prediction Based on ARIMA with Gaussian Process Regression Compensation

TIAN Zhong-da, LI Shu-jiang, WANG Yan-hong, WANG Xiang-dong

School of Information Science and Engineering, Shenyang University of Technology, Shenyang 110870, China

Received:2017-03-02Online:2017-12-28Published:2017-12-28


Supported by:

摘要/Abstract

摘要： 为提高网络流量时间序列的中期预测精度，提出一种高斯过程回归模型补偿自回归积分滑动平均（ARIMA）模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征；然后利用ARIMA模型对网络流量时间序列进行非平稳建模，得到符合网络流量序列线性变化规律的模型，并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测；最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明，提出的预测方法具有更高的预测精度和更小的预测误差.
中图分类号:
TP393

引用本文

田中大, 李树江, 王艳红, 王向东. 高斯过程回归补偿ARIMA的网络流量预测[J]. 北京邮电大学学报, 2017, 40(6): 65-73.
TIAN Zhong-da, LI Shu-jiang, WANG Yan-hong, WANG Xiang-dong. Network Traffic Prediction Based on ARIMA with Gaussian Process Regression Compensation[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(6): 65-73.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3122