基于离散小波变换和FA-ELM的网络流量预测方法技术

本发明专利技术提供了一种基于离散小波变换和FA

【技术实现步骤摘要】
基于离散小波变换和FA
‑
ELM的网络流量预测方法


[0001]本专利技术涉及网络流量预测
，特别涉及一种基于离散小波变换和FA
‑
ELM的网络流量预测方法。

技术介绍

[0002]自回归差分移动平均模型(ARIMA，Autoregressive Integrated Moving Average model)，时间序列预测中最重要和应用最广泛的模型之一，适合于处理存在线性结构的时间序列，对于非线性数据的预测则差强人意。另外，泛化能力不足是其缺点之一，随着预测时间的延长其预测准确度会显著降低，因此只适合于短期预测。
[0003]极限学习机(ELM，Extreme Learning Machine)，对非线性数据有较好的拟合效果和较高的预测精度，对于相对容易拟合的线性数据则其鲁棒性不如ARIMA。且稳定性不足是其最大缺陷，难以可靠地应用于实际生产场景中。
[0004]长短期记忆网络(LSTM，Long Short
‑
Term Memory)，一种时间循环神经网络，是为了解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于离散小波变换和FA
‑
ELM的网络流量预测方法，其特征在于，包括：步骤1，构建DWAFE模型，在所述DWAFE模型中设置数据管理员和模型管理员；步骤2，获取多个网络流量数据并将所述网络流量数据发送给所述数据管理员，所述数据管理员将所述网络流量数据进行数据预处理，得到数据预处理后的网络流量数据集；步骤3，对所述网络流量数据集进行离散小波变换，得到一组细节序列和一个趋势序列并发送给所述模型管理员；步骤4，所述模型管理员采用ADF检验法对所有子序列进行平稳性检验，将子序列分为平稳序列和非平稳序列；步骤5，通过赤池信息准则和贝叶斯信息准则对每个平稳序列进行定阶，根据每个平稳序列的定阶结果分别构建多个ARIMA模型并进行平稳序列预测，得到多个平稳序列的预测值；步骤6，对每个非平稳序列通过萤火虫算法搜寻构建ELM模型的最优参数，根据搜寻出的多个最优参数分别构建多个FA
‑
ELM模型并进行非平稳序列预测，得到多个非平稳序列的预测值；步骤7，将每个平稳序列的预测值和每个非平稳序列的预测值通过离散小波逆变换进行合并，得到网络流量预测结果并作为DWAFE模型的输出，设定所述网络流量预测结果的置信度，并基于网络流量预测结果计算设定的置信度下的动态阈值区间，且将所述动态阈值区间作为触发预警的条件。2.根据权利要求1所述的基于离散小波变换和FA
‑
ELM的网络流量预测方法，其特征在于，所述步骤2具体包括：步骤21，所述数据管理员接收输入的所述网络流量数据；步骤22，所述数据管理员对输入的所述网络流量数据进行数据纠错、删除重复项、统一规格和转换构造的数据清洗操作，得到数据预处理后的网络流量数据集。3.根据权利要求2所述的基于离散小波变换和FA
‑
ELM的网络流量预测方法，其特征在于，所述步骤3具体包括：步骤31，从常用的小波函数中任意选择一个小波函数；步骤32，使用选择的小波函数对所述网络流量数据集进行一层离散小波变换，得到一个细节序列和一个趋势序列；步骤33，使用Acorr_Ljungbox方法对趋势序列进行残差检验，得到一个P值，当P值大于0.05时，当前趋势序列为白噪声，停止离散小波变换，当P值小于0.05时，继续对当前趋势序列进行一层离散小波变换，直到残差检验后的P值大于0.05时停止离散小波变换，将当前趋势序列的变换次数作为使用小波函数所需的分解层数；步骤34，重复以上步骤，选择所需分解层数最小的小波函数。4.根据权利要求3所述的基于离散小波变换和FA
‑
ELM的网络流量预测方法，其特征在于，所述步骤4具体包括：通过所述模型管理员对一组细节序列和一个趋势序列采用单位根检验方法进行平稳性检验，判断各个序列中是否存在单位根，若当前序列中存在单位根，将当前序列判定为非平稳序列，若当前序列中不存在单位根，将当前序列判定为平稳序列。5.根据权利要求4所述的基于离散小波变换和FA
‑
ELM的网络流量预测方法，其特征在
于，所述步骤5具体包括：步骤51，通过赤池信息准则和贝叶斯信息准则计算ARIMA模型的AR阶数p和MA阶数q，如下所示：AIC＝2k
‑
2ln(L)
ꢀꢀ
(1)其中，k表示ARIMA模型参数个数，L表示似然函数；采用贝叶斯信息准则选择最优模型阶数，如下所示：BIC＝kln(n)
‑
2ln(L)
ꢀꢀ
(2)其中，n表示平稳序列中的网络流量数据的个数；步骤52，根据AR阶数p和MA阶数q构建候选ARIMA模型，如下所示：Y
t
＝β0+β1Y
t
‑1+β2Y
t
‑2+
…
+β
p
Y
t
‑
p
+ε
t
+α1ε
t
‑1+α2ε
t
‑2+
…
+α
q
ε
t...

【专利技术属性】
技术研发人员：王堃，谭源，张立中，郑晨，张军，陈志刚，李斌，夏琨，徐悦，
申请(专利权)人：中南大学，
类型：发明
国别省市：