申请/专利权人:辽宁大学
申请日:2023-09-21
公开(公告)日:2023-12-12
公开(公告)号:CN117221232A
主分类号:H04L47/125
分类号:H04L47/125;H04L41/147
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.29#实质审查的生效;2023.12.12#公开
摘要:本发明公开一种基于WT‑IPSO‑LSTM模型的网络流量预测方法,首先将网络流量时间序列数据进行小波变换,然后建立LSTM模型,并利用改进粒子群算法优化LSTM模型超参数,得到WT‑IPSO‑LSTM预测模型,最终利用该模型对网络流量数据进行预测。本发明预测方法克服了传统方法预测过程中精度不高的问题,且利用小波变换对网络流量数据进行特征提取,利用改进粒子群算法对LSTM的超参数进行优化,避免模型陷入局部最优解的问题,提高了预测收敛速度,最终实现了对网络流量数据的高精度预测。
主权项:1.基于WT-IPSO-LSTM模型的网络流量预测方法,其特征在于,包括以下步骤:步骤1,收集网络流量数据;步骤2,对步骤1所得数据进行小波变换,得到网络流量序列的低频分量和高频分量;步骤3,对步骤2所得多个序列数据分别进行预处理,以满足神经网络模型的输入要求;步骤4,根据步骤3所得数据,分别建立LSTM模型,完成模型的训练;步骤5,利用改进粒子群算法IPSO优化步骤4所得LSTM模型的超参数,得到WT-IPSO-LSTM模型;步骤6,利用WT-IPSO-LSTM模型对未来数据进行预测。
全文数据:
权利要求:
百度查询: 辽宁大学 基于WT-IPSO-LSTM模型的网络流量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。