基于合理遗忘选择训练样本的网络流量预测模型

• 作 者: 莫闯
• 机 构: 贵州师范学院教育信息网络中心
• 出 处: 计算机应用与软件
• 发表日期: 2014年10期
• 关键词: 网络流量 时间序列 极限学习机 神经网络 Network traffic Time series Extreme learning machine Neural

为了提高网络流量的预测精度,针对极限学习机的训练样本选择问题,提出一种基于合理遗忘选择训练样本的网络流量预测模型(SF-ELM)。首先通过引入遗忘因子减弱旧训练样本对预测结果的影响,合理对训练样本进行在线更新;然后以泛化能力作为评价准则,选择性更新极限学习机输出权值;最后进行仿真分析。结果表明,SF-ELM的网络流量学习速度快于对比模型,获得了更加理想的网络流量预测效果,更适于实时性要求高的网络流量在线预测。