文献

J-GLOBAL ID：201902252251880462   整理番号：19A2718055

STL分解とLSTMに基づく長期スパン交通予測モデル【JST・京大機械翻訳】

Long-Term Span Traffic Prediction Model Based on STL Decomposition and LSTM

著者 (6件)： Huo Yonghua (The 54th Research Institute of CETC,,,Shijiazhuang,,China) ,  Yan Yu (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications,,,Beijing,,China) ,  Du Dan (1st Military Representative Office of Military Equipment Shijiazhuang,,,Shijiazhuang,,China) ,  Wang Zhihao (The 54th Research Institute of CETC,,,Shijiazhuang,,China) ,  Zhang Yixin (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications,,,Beijing,,China) ,  Yang Yang (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications,,,Beijing,,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： APNOMS  ページ： 1-4  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ネットワークの複雑さの増加に伴い,現在のネットワークトラフィックは強い非線形性とバースト性を持っている。したがって,従来の交通予測モデルはもはや適用できない。ニューラルネットワークモデル,特にLSTMは時系列データの非線形性に良く適合し,過去の情報メモリを保存することができる。しかし,長期スパンネットワークトラフィックデータの周期性に関しては,ニューラルネットワークモデルは良く機能しない。これに基づき,本論文では,問題を解決するためにネットワークトラフィック予測モデルであるLTS-TP(Long-Term Span Traffic Prediction Model)を提案した。最初に,このモデルは,改善されたSTL分解アルゴリズムを用いて収集されたネットワークトラフィックデータを分解して,季節的成分を保存した。次に,予測のために改良された注意機構を加えたLSTMに基づくSeq2Seqモデルに,傾向成分と残りの成分を入力する。最後に,出力の予測値を季節成分に加えて,最終的ネットワークトラフィック予測値を得た。シミュレーション部分において,本論文は,MAWI公開データセットを用いて,提案したネットワークトラフィック予測モデルをテストして,他のモデルと性能を比較した。結果は,本論文において提案したネットワークトラフィック予測モデルが長期のスパンネットワークトラフィックデータに関して良い予測効果を持つことを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *スパン ,  *予測 ,  非線形性 ,  記憶装置 ,  ネットワーク ,  *予測モデル ,  アルゴリズム ,  *交通予測 ,  シミュレーション
準シソーラス用語： 予測値 ,  周期性 ,  時系列データ ,  神経回路網モデル ,  ネットワークトラフィック ,  複雑性 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 分解 ,  LSTM ,  長期 ,  スパン ,  交通 ,  予測モデル