分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-10-11 合作期刊: 《计算机应用研究》
摘要: 网络流量具有实时突变性和依赖性,传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点。为解决此问题,提出一种基于长短期记忆(LSTM)循环神经网络的网络流量预测模型。首先,用距离比较和优化组合策略改进粒子滤波算法(PF)的重采样过程;然后搭建PF-LSTM网络的网络流量预测模型,将改进的PF算法用于模型训练,提高其训练速率,克服传统的LSTM网络中收敛于局部最优的缺点;最后将提出模型用于网络流量预测。实验结果表明,相比于传统的LSTM模型,提出的PF-LSTM模型具有较好的预测精度和收敛效率,能够更好地描述网络流量的变化趋势。