基于关联度流量预测的加权局域模型  

ADDING-WEIGHT LOCAL MODEL OF TRAFFIC FORECAST BASEDON DEGREE OF INCIDENCE

作　　者：雷霆[1] 余镇危[1] 

机构地区：[1]中国矿业大学机电与信息工程学院,北京北京林业大学理学院100083

出　　处：《微计算机信息》2008年第3期225-227,共3页Control & Automation

基　　金：国家教育部博士点基金资助项目(20030290003)

摘　　要：传统的混沌局域预测模型仅考虑相空间中邻近相点到预测中心的空间距离对预测中心动力学行为演化的影响,所以在嵌入维数比较高的时候,用来预测混沌时间序列时效果往往不是很好。本文提出了一种基于关联度的网络流量预测的加权零阶局域模型,该模型同时综合考虑到了空间距离和邻近相点与预测中心的关联程度这两个因素对预测效果的影响,因而在很大程度上克服了传统混沌局域模型的不足。通过模拟实验将该模型用于网络流量预测,模拟结果表明该模型的预测精度比传统的模型要好。The traditional chaos local model,which merely considers the influence result from space distance between neighbor phase points with center forecasting point in phase space,when was applied to forecast chaos time series with high embedded dimensions,the result is not so satisfactory.In this paper,based on degree of incidence,the adding-weight zero-order local model of network traffic forecast is created.in this novel model,as two factors which affect the outcome of prediction,distance and degree of incidenc...

关 键 词：网络流量 关联度 加权 局域模型 

分 类 号：TP393.06[自动化与计算机技术—计算机应用技术]