文献

J-GLOBAL ID：202002219654215710   整理番号：20A1434968

ウェーブレット変換と多重モデル融合に基づくネットワークトラフィック予測法【JST・京大機械翻訳】

Network traffic prediction method based on wavelet transform and multiple models fusion

著者 (1件)： Tian Zhongda (School of Information Science and Engineering, Shenyang University of Technology, Shenyang, China)
資料名： International Journal of Communication Systems  (International Journal of Communication Systems)
巻： 33  号： 11  ページ： e4415  発行年： 2020年 
JST資料番号： T0595A  ISSN： 1074-5351  CODEN： IJCYEZ  資料種別： 逐次刊行物 (A)
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： ネットワークトラフィックの正確な予測はネットワーク管理と輻輳制御において重要な前提である。ネットワークトラフィックの予測精度を改善するために,ウェーブレット変換と多重モデル融合に基づく予測法を提示した。Mallatウェーブレット変換アルゴリズムを用いてネットワークトラフィック時系列を分解して再構成する。元のネットワークトラフィックの近似的および詳細な成分を得ることができた。近似成分と詳細成分の特性をHurst指数によって解析した。次に,成分の異なる特性に従って,自己回帰統合移動平均モデル(ARIMA)を,近似成分のための予測モデルとして選択した。最小二乗サポートベクトルマシン(LSSVM)を用いて,詳細成分を予測した。一方,改良パーティクルスウォーム最適化(PSO)アルゴリズムを提案し,LSSVMモデルのパラメータを最適化した。Gauss-Markov推定アルゴリズムを適用して,多重予測モデルの予測値を融合した。融合予測誤差の分散は単一予測モデルのものより小さく,予測精度は改善される。ネットワークトラフィックの2つの実際のデータセットを研究した。他の最先端モデルと比較して,事例研究結果は,提案した予測方法がより良い予測効果を有することを示した。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測技法 ,  アルゴリズム ,  最適化 ,  近似法 ,  *多重化 ,  事例研究 ,  ネットワーク管理 ,  *ウェーブレット変換 ,  予測誤差 ,  予測モデル
準シソーラス用語： 粒子群最適化 ,  予測精度 ,  *ネットワークトラフィック ,  自己回帰 ,  最小二乗-サポートベクトルマシン , 【Automatic Indexing@JST】

著者キーワード (5件)： Gauss-Markov推定アルゴリズム ,  多重モデル融合 ,  ネットワークトラフィック ,  予測 ,  ウェーブレット変換

分類 (1件)： 風力エネルギー  (LB03060X)

タイトルに関連する用語 (5件)： ウェーブレット変換 ,  多重モデル ,  融合 ,  ネットワークトラフィック ,  予測法