基于改进黑洞算法优化ESN的网络流量短期预测

doi:10.12068/j.issn.1005-3026.2018.03.002

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (3): 311-315.DOI: 10.12068/j.issn.1005-3026.2018.03.002

基于改进黑洞算法优化ESN的网络流量短期预测

韩莹^1,2，井元伟¹，金建宇³，李琨²

(1. 东北大学信息科学与工程学院，辽宁沈阳110819; 2. 渤海大学工学院，辽宁锦州121013; 3. 东北大学国防教育学院，辽宁沈阳110819)

收稿日期:2016-10-21 修回日期:2016-10-21 出版日期:2018-03-15 发布日期:2018-03-09
通讯作者: 韩莹
作者简介:冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.韩莹(1982-)，女，辽宁锦州人，东北大学博士研究生；井元伟(1956-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(51171041).国家自然科学基金资助项目(61773108， 61403040).

Network Traffic Short-Term Prediction Based on Echo State Network Optimized by Improved Black Hole Algorithm

HAN Ying^1,2， JING Yuan-wei¹， JIN Jian-yu³， LI Kun²

1. School of Information Science & Engineering， Northeastern University， Shenyang 110819， China; 2. College of Engineering， Bohai University， Jinzhou 121013， China; 3. School of National Defense Education， Northeastern University， Shenyang 110819， China.

Received:2016-10-21 Revised:2016-10-21 Online:2018-03-15 Published:2018-03-09
Contact: JING Yuan-wei
About author:-
Supported by:
-

摘要/Abstract

摘要： 网络流量数据序列具有混沌特性.相空间重构后，采用一种改进黑洞算法优化回声状态网络的非线性模型对网络流量进行预测.改进黑洞算法是在现有工作的基础上提出一种新的新解生成机制，可以提高算法的收敛速度和精度;相比于遗传算法、和声搜索算法等其他优化算法，所提出的改进黑洞算法不依赖自身相关参数的准确设定;将其应用于回声状态网络4个重要参数的优化选取，使得预测模型具有较好的预测稳定性.通过Mackey-Glass混沌时间序列和网络流量公共数据集的仿真实验，结果表明所提出的方法具有较好的预测性能.

关键词: 网络流量, 混沌时间序列, 回声状态网络, 黑洞算法, 预测

Abstract: The network traffic data series has chaos characteristics. After phase space reconstruction， a nonlinear prediction model based on echo state network (ESN) optimized by improved black hole (BH) was used to predict network traffic. The improved BH algorithm is a new mechanism for new-solution generation based on current works， which can increase the algorithms convergence speed and precision. Compared with other optimization algorithms， such as genetic algorithm (GA)， harmony search (HS) algorithm， etc， the proposed improved BH algorithm is not affected by the accuracy of the setting for some parameters of itself. It is used to optimally select four key parameters of the ESN model， which has better prediction stability. Simulation experiments of Mackey-Glass chaos time series and public network traffic data set show that the proposed method has better prediction ability.

Key words: network traffic, chaos time series, echo state network(ESN), black hole algorithm, prediction

中图分类号:

TP393

韩莹，井元伟，金建宇，李琨. 基于改进黑洞算法优化ESN的网络流量短期预测[J]. 东北大学学报:自然科学版, 2018, 39(3): 311-315.

HAN Ying， JING Yuan-wei， JIN Jian-yu， LI Kun. Network Traffic Short-Term Prediction Based on Echo State Network Optimized by Improved Black Hole Algorithm[J]. Journal of Northeastern University Natural Science, 2018, 39(3): 311-315.

参考文献

[1]田中大，李树江，王艳红，等.基于混沌理论与改进回声状态网络的网络流量多步预测［J］.通信学报， 2016，37(3):55-70.(Tian Zhong-da，Li Shu-jiang，Wang Yan-hong，et al.Network traffic multi-step prediction based on chaos theory and improved echo state network［J］.Journal on Communications，2016，37(3):55-70.)
[2]Chisci L，Mavino A，Perferi G，et al.Real-time epileptic seizure prediction using AR models and support vector machines［J］.IEEE Transactions on Biomedical Engineering，2010，57(5):1124-1132.
[3]Laner M，Svoboda P，Rupp M.Parsimonious fitting of long-range dependent network traffic using ARMA models［J］.IEEE Communications Letters，2013，17(12):2368-2371.
[4]Narendra B C，Eswara R B.A moving-average filter based hybrid ARIMA-ANN model for forecasting time series data［J］.Applied Soft Computing，2014，23(1):27-38.
[5]孟庆芳，陈珊珊，陈月辉，等.基于递归量化分析与支持向量机的癫痫脑电自动检测方法［J］.物理学报，2014，63(5):1-7.(Meng Qing-fang，Chen Shan-shan，Chen Yue-hui，et al.Automatic detection of epileptic EEG based on recurrence quantification analysis and SVM［J］.Acta Physica Sinica，2014，63(5):1-7.)
[6]李琨，韩莹，黄海礁.基于IBH-LSSVM的混沌时间序列预测及其在抽油井动液面短期预测中的应用［J］.信息与控制，2016，45(2):241-247.(Li Kun，Han Ying，Huang Hai-jiao.Chaotic time series prediction based on IBH-LSSVM and its application to short-term prediction of dynamic fluid level of the oil wells［J］.Information and Control，2016，45(2):241-247.)
[7]Du W，Leung S Y S，Kwong C K.Time series forecasting by neural networks:a knee point-based multi-objective evolutionary algorithm approach［J］.Expert Systems with Applications，2014，41(7): 8049-8061.
[8]Wang Z X，Pei L L.An optimized grey dynamic model for forecasting the output of high-tech industry in China［J］.Mathematical Problems in Engineering，2014， 2014(1):1-7.
[9]Jaeger H，Haas H.Harnessing nonlinearity:predicting chaotic systems and saving energy in wireless communication［J］.Science，2004，304(5667):78-80.
[10]田中大，李树江，王艳红，等.基于KPCA优化ESN的网络流量预测方法［J］.电机与控制学报，2015， 19(12):114-120.(Tian Zhong-da，Li Shu-jiang，Wang Yan-hong，et al.Network traffic prediction method based on KPCA optimized ESN［J］. Electric Machines and Control，2015，19(12):114-120.)
[11]Hatamlou A.Black hole:a new heuristic optimization approach for data clustering［J］.Information Science， 2013，222(1):75-184.
[12]Li K，Gao X W，Zhou H B，et al.Fault diagnosis for down-hole conditions of sucker rod pumping systems based on the FBH-SC method［J］.Petroleum Science， 2015，12(1):135-147.
[13]王通，高宪文，蒋子健.基于黑洞算法的LSSVM的参数优化［J］.东北大学学报(自然科学版)，2014，35(2):170-174.(Wang Tong，Gao Xian-wen，Jiang Zi-jian.Parameters optimizing of LSSVM based on black hole algorithm［J］.Journal of Northeastern University( Natural Science)，2014，35(2):170-174.)
[14]Kim H S，Eykholt R，Salas J D.Nonlinear dynamics，delay times，and embedding windows［J］.Physica D:Nonlinear Phenomena，1999，127(1):48-60.

[1]	耿蓉，吴亚倩，肖倩倩，徐赛. 基于改进GRU算法的天基信息网资源预测研究[J]. 东北大学学报（自然科学版）, 2023, 44(3): 305-314.
[2]	卢晓红，顾瀚，丛晨，阮飞翔. Inconel 718介观尺度薄壁件微铣削力预测[J]. 东北大学学报（自然科学版）, 2023, 44(2): 242-250.
[3]	李寿涛，魏玉博，李秋媛，于丁力. 考虑车辆侧偏刚度变化的MPC稳定性控制方法[J]. 东北大学学报（自然科学版）, 2023, 44(2): 162-167.
[4]	彭帆，谢永芳，陈晓方，殷泽阳. 基于障碍物可达区域预测的机器人实时避障算法[J]. 东北大学学报（自然科学版）, 2022, 43(9): 1225-1233.
[5]	马源源，刘晏泽，刘呈隆，张甜洁. 中国投资者多角度舆情分析及其在股市预测中的作用[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1201-1209.
[6]	鲍玉斌，刘济霆，李效宇. 考虑舆情的分时段SIQR模型的新冠疫情分析与预测[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1065-1073.
[7]	刘启冉，连静，陈实，范蓉. 考虑交互轨迹预测的自动驾驶运动规划算法[J]. 东北大学学报（自然科学版）, 2022, 43(7): 930-936.
[8]	刘跃，桑爱军，宋立军，王世刚. 基于双向预测插值的多维矢量鬼成像视频[J]. 东北大学学报（自然科学版）, 2022, 43(7): 937-943.
[9]	矫志杰，王志强，罗钧译，许志鹏. 中厚板角轧过程的形状预测模型研究[J]. 东北大学学报（自然科学版）, 2022, 43(6): 815-820.
[10]	杨博文，霍军周，张伟，张占葛. 服役结构超前载荷实时预测方法的研究[J]. 东北大学学报（自然科学版）, 2022, 43(4): 541-550.
[11]	李大鹏，赵琪珲，邢铁军，赵大哲. 基于分层注意力循环神经网络的司法案件刑期预测[J]. 东北大学学报（自然科学版）, 2022, 43(3): 344-349.
[12]	陈兵，韩烬阳，唐晓垒，夏搏然. 基于机器学习的拉矫延伸率预测模型及数值分析[J]. 东北大学学报（自然科学版）, 2022, 43(2): 236-242.
[13]	李寿涛，孙鹏鹏，魏玉博，于丁力. 四轮轮毂电动汽车的紧急制动能效性转矩优化[J]. 东北大学学报（自然科学版）, 2022, 43(10): 1391-1396.
[14]	赵斐，李鑫，郭明. 考虑不完美维护的视情维修和备件订购联合策略优化[J]. 东北大学学报（自然科学版）, 2022, 43(10): 1413-1421.
[15]	宫琦，陈秉智，李永华，夏清. 地铁电源模块故障分析及预测方法[J]. 东北大学学报（自然科学版）, 2022, 43(1): 8-16.

基于改进黑洞算法优化ESN的网络流量短期预测

Network Traffic Short-Term Prediction Based on Echo State Network Optimized by Improved Black Hole Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价