论文研究基于时间序列的网络流量分析与预测 .pdf

上传:houguof 浏览: 16 推荐: 0 文件:unkonw 大小:500kb 上传时间:2020-05-02 13:27:56 版权申诉
基于时间序列的网络流量分析与预测,何建,,随着计算机网络的迅速发展,目前的网络规模越来越庞大和复杂,相应面临对网络有效管理的要求就越来越高。本文通过对CERNET(ChinaEduca
上传资源
用户评论
相关推荐
论文研究基于多种时间序列模型网络流量预测.pdf
基于多种时间序列模型的网络流量预测,崔文亮,于艳华,网络流量的预测具有重大的研究意义,网络流量的预测对于解决网络管理优化、网络拥塞控制这一难题具有重要的指导意义。网络流量的
PDF
0B
2020-04-10 11:42
论文研究基于小波分解网络流量时间序列建模预测.pdf
提出一种基于小波分解的网络流量时间序列的分析和预测方法。将非平稳的网络流量时间序列通过小波分解成为多个平稳分量, 采用自回归滑动平均方法分别对各平稳分量进行建模, 将所有分量的模型进行组合, 得到原始
PDF
1.18MB
2020-07-18 02:42
论文研究_降水时间序列聚类分析预测.pdf
论文研究-降水时间序列的聚类分析和预测.pdf,  本文阐述了对160个中国大陆降雨序列进行同步预测的完整方法。预测模型是用多元分析和随机序列等方法综合建立的, 预测结果较好。文中重点研究能用个人计算
PDF
326KB
2020-07-16 04:55
论文研究基于ARIMAWASDN加权组合时间序列预测.pdf
为了提高时间序列预测方法的预测精度以及增强其适用性,提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均(autoregressiveintegratedmovingavera
PDF
0B
2020-03-01 19:07
论文研究GARCH非线性时间序列模型网络流量预测.pdf
网络流量预测在拥塞控制、网络管理与诊断、路由器设计等领域都具有重要意义。根据当今网络流量的特点,传统的ARMA模型在描述网络流量数据特性时有一定的局限性,从而影响网络流量预测的精度。针对这个问题,研究
PDF
0B
2020-05-14 12:49
时间序列分析预测
时间序列分析与预测
PPT
0B
2019-05-13 23:33
论文研究基于数据挖掘水文时间序列预测.pdf
为了用计算机绘制出中国水墨画的效果,设计了一个基于动力学的虚拟毛笔模拟系统。系统主要由二个部份组成:以弯曲弹簧的力学模型为基础,来模拟毛笔的笔头随着受力的作用而变化的样子;水墨传输系统则采用多层的水墨
PDF
0B
2020-01-06 06:40
论文研究基于QPSO RBFNN混沌时间序列预测.pdf
摘要:提出一种基于量子粒子群优化算法训练径向基函数神经网络进行混沌时间序列预测的新方法。在确定径向基函数网络的隐层节点数后,将相应网络的参数,包括隐层基函数中心、扩展常数,以及输出权值和偏移编码成学习
PDF
0B
2019-09-25 21:09
时间序列分析预测课件
PPT时间序列分析与预测的 课件,很好的资源,很有利用价值
word
0B
2019-02-21 08:36
论文研究基于SVM金融时间序列分析研究.pdf
基于SVM的金融时间序列分析的研究,刘迪,,本文通过比较支持向量机(SVM)和自回归移动平均模型(ARIMA)在金融时间序列回归分析的实验,提出了一种新的SVM和ARIMA的组合模型。该模
PDF
424KB
2020-07-23 10:44
时间序列分析预测控制
时间序列分析预测与控制是用来处理时间序列数据的。通过对时间序列的处理,能够分析数据随着时间的变化规律。
PDF
0B
2019-03-07 01:14
基于MATLAB时间序列建模预测.pdf
基于MATLAB的时间序列建模与预测,包括时间序列理论知识及建模、预测编程。
PDF
0B
2019-05-13 23:34
论文研究基于CSHRVM网络流量预测.pdf
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
PDF
640KB
2020-07-16 05:39
论文研究基于ELMLSSVM网络流量预测.pdf
为了对网络流量进行准确预测,针对传统极限学习机的“过拟合”不足,提出一种极限学习机和最小二乘支持向量机相融合的网络流量预测模型(ELM-LSSVM)。该模型通过相空间重构获得网络流量的学习样本,引入最
PDF
0B
2020-04-30 13:08
论文研究随机型时间序列预测方法研究.pdf
论文研究-随机型时间序列预测方法的研究.pdf, 提出了一种随机型时间序列预测的新方法,特别适用于趋势随机型数据序列的预测问题,与现有预测方法相比,具有计算简单、精度高的特点.
PDF
0B
2020-01-05 14:22