基于CS-HRVM的网络流量预测

李融

温州广播电视大学，浙江温州 410205

基于CS-HRVM的网络流量预测

李融

温州广播电视大学，浙江温州 410205

为了获得更加理想的网络流量预测结果，准确刻画网络流量的变化趋势，提出一种基于布谷鸟搜索算法优化组合核相关向量机的网络流量预测模型（CS-HRVM）。首先针对网络流量的混沌特性，采用相空间理论建立网络流量的多维学习样本，并采用组合核函数构建相关向量机，然后将学习样本输入到相关向量机中进行训练，并采用布谷鸟搜索算法对模型参数进行优化，从而建立网络流量预测模型，最后采用仿真实验对模型性能进行仿真对比实验。结果表明，CS-HRVM获得了比其他网络流量预模型更高的预测精度，而且可以对含噪网络流量进行准确预测。

网络流量；相空间重构；相关向量机；组合核函数；布谷鸟算法

随着互联网规模的不断扩大，网络用户急剧增加，网络拥塞的频率越来越高，成为一个令网络管理员头疼的难题，因此网络流量预测是网络管理的基础和关键，因此建立性能优异的网络流量预测模型，精确对网络运行状态进行准确跟踪，以提高网络流量的预测精度，成为网络研究中的一个热点问题[1]。

针对网络流量预测问题，许多学者和专家对其进行了广泛的探索，提出一些性能较好的网络流量预测算法[2]。线性算法主要有：滑动平均、指数平滑、多元回归等[3-4]，它们可以对短期的网络流量进行准确预测，但由于网络流量受到很多因素综合影响，具有混沌性、强烈的时变性，这样导致线性模型难以准确反映网络流量的变化特点，预测精度与实际要求有一定的差距[5]。……