论文部分内容阅读
针对复杂的网络流量呈现出的多种特性,传统的单一模型预测效果差。为了提高流量预测的准确性和实时性,提出了一种基于经验模态分解(EMD)和聚类的网络流量预测模型。首先通过EMD将网络流量分解为不同时间尺度上频率单一的本征模函数(IMFs);其次通过改进的K均值聚类算法对IMF分量做聚类分析,将复杂度相近的IMF分量聚到一起;然后对聚类的IMF分量用自回归移动平均(ARMA)模型进行预测;最后将各IMF分量序列的预测值进行求和得到网络流量的预测值。实验结果证明,与EMD-ARMA模型相比,该模型不仅缩短了训练耗