基于在线LS-SVM的网络流量预测  

Prediction of Network Traffic Flow Based on Online Least Squares Support Vector Machines

作　　者：李明迅[1] 孟相如[1] 温祥西[1] 袁荣坤[1] 

机构地区：[1]空军工程大学电讯工程学院,陕西西安710077

出　　处：《电视技术》2012年第7期67-70,共4页Video Engineering

基　　金：陕西省自然科学基金项目(SJ08F14;2009JQ8008)

摘　　要：为了提高流量预测的准确性,将混沌理论和在线LS-SVM回归技术应用于网络流量预测。采用相空间重构理论计算流量的时延τ、嵌入维数m,据此确定训练样本对并建立在线预测模型,对网络流量数据进行预测。结果表明,该方法能有效地进行流量预测,相对于传统的离线预测方式,该方法具有更好的预测精度。The chaos theory and online LS-SVM regression are applied to network traffic flow prediction to improve its accuracy. The phase space reconstruction theory is introduced to calculate the delay time （-） and embedded dimension （m） . On this basis, the training samples are formed and the online LS-SVM prediction model is constructed to predict the network traffic flow. The results show that the online LS-SVM predition model can effectively predict the network traffic flow and get higher accuracy compared with the off-line prediction model.

关 键 词：混沌理论 最小二乘支持向量机 网络流量 在线预测 迭代算法 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]