基于ResNet-LSTM组合模型的网络流量预测研究.pdfVIP

()

第卷第期兰州文理学院学报自然科学版

３８２Vol．３８No．２

年月()

２０２４３JournalofLanzhouUniversitofArtsandScienceNaturalSciencesMar．２０２４

y

文章编号:()

２０９５Ｇ６９９１２０２４０２Ｇ００４５Ｇ０６

基于ResNetＧLSTM组合模型的

网络流量预测研究

马攀

(,)

安徽理工大学电气与信息工程学院安徽淮南２３２００１

:,,

摘要对网络流量的准确预测不仅是网络安全稳定运行的保障还是运营商合理调度网络资源的重要参考为

．

,,

了提高网络流量预测精度提出一种基于残差网络与长短时记忆网络相结合的流量预测方法首先使用残差

．

,,,

卷积层提取原始数据特征并将提取的特征向量输入LSTM各节点然后LSTM细胞单元通过循环连接进行

,,,

长序列预测最后通过输出层输出预测结果利用淮南汽车站采集到的网络流量数据进行实验仿真并与卷积

．

、,,

网络残差网络和长短时记忆网络预测方法对比实验结果表明ResNetＧLSTM模型预测精度更高．

:;;;

关键词深度学习残差网络长短时记忆网络网络流量预测

中图分类号:文献标志码:

TP３９３A

ResearchonNetworkTrafficPredictionBased

onResNetＧLSTMCombinedModel

MAPan

(,

SchoolofElectricalandInformationEnineerin

gg

,,,)

AnhuiUniversitofScienceandTechnolo