经验模式分解与时间序列分析在网络流量预测中的应用田中大.pdf

第30 卷 第5 期 控 制 与 决 策 2015 年 5 月 Vol. 30 No. 5 Control and Decision May 2015 文章编号: 1001-0920 (2015) 05-0905-06 DOI: 10.13195/j.kzyjc.2014.0453 经验模式分解与时间序列分析在网络流量预测中的应用 1 1 1 2 田中大, 李树江 , 王艳红 , 高宪文 (1. 沈阳工业大学信息科学与工程学院，沈阳110870；2. 东北大学信息科学与工程学院，沈阳110004) 摘 要: 提出一种经验模式分解和时间序列分析的网络流量预测方法. 首先, 对网络流量时间序列进行经验模式分 解, 产生高低频分量和余量; 然后, 对各分量进行时间序列分析, 确保高频分量采用改进和声搜索算法优化的最小二 乘支持向量机模型、低频分量和余量采用差分自回归滑动平均模型进行建模和预测; 最后, 将预测结果通过RBF 神 经网络进行非线性叠加, 得到最终的预测值. 仿真实验表明, 所提出方法具有更好的预测效果和更高的预测精度. 关键词: 网络流量；经验模式分解；时间序列；自相似；预测 中图分类号: TP393 文献标志码: A Network traffic prediction based on empirical mode decomposition and time series analysis 1 1 1 2 TIAN Zhong-da , LI Shu-jiang , WANG Yan-hong , GAO Xian-wen (1. School of Information Science and Engineering，Shenyang University of Technology，Shenyang 110870，China; 2. College of Information Science and Engineering，Northeastern University ，Shenyang 110004，China ．Correspondent: TIAN Zhong-da ，E-mail ：tianzhongda@126.com) Abstract: A network traffic prediction method based on empirical mode decomposition and time series self-similar analysis is proposed. Firstly, network traffic time-series high and low frequency components are generated by empirical mode decomposition. Then the component time series is analyzed to determine that the least squares support vector machine model optimized by using the improved harmony search algorithm is used for high frequency components modeling, and the auto regressive integrated moving average model is used for low frequenc