基于kohonen神经网络的组合式流量预测模型

摘要

该文针对传统预测模型预测精度低、对训练数据依赖程度高以及不能很好的刻画网络流量特征等不足,提出了一个混合的流量预测模型.该模型根据Kohonen神经网络的学习速率快、分类精度高、抗噪声能力强等特性,通过小波变换将网络流量分解为高频部分和低频部分,高频部分采用Kohonen神经网络进行预测,低频部分采用自回归AR模型进行预测,并采用Matlab进行仿真,通过实验得,这种组合预测模型可以提高对非线性、多时间尺度变化的网络流量的预测精度.