论文部分内容阅读
在实际网络流量上研究了新陈代谢灰色模型（MGM）预测流量．预测结果表明，灰色模型建模长度远小于流量序列主周期长度时，预测精度较高．灰色模型预测流量宜采用小量数据建模，此时残差修正对提高预测精度影响很小，预测不需采用残差灰色模型（RGM）．对比了灰色模型与自回归综合滑动平均模型（ARIMA）和Elman神经网络（ENN）模型的预测结果，灰色模型远优于ARIMA，与ENN相当．灰色模型的优点是能自适应网络流量的变化．