[發明專利]基于信號分解和周期特性的網絡流量特征指標預測方法有效
| 申請號： | 201911022926.X | 申請日： | 2019-10-25 |
| 公開（公告）號： | CN110740063B | 公開（公告）日： | 2021-07-06 |
| 發明（設計）人： | 黃鸝聲;耿建寧;冉芷嫻;汪文勇;冉金也;劉暢 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | H04L12/24 | 分類號： | H04L12/24;H04B17/391;H04L12/26 |
| 代理公司： | 成都天嘉專利事務所(普通合伙) 51211 | 代理人： | 冉鵬程 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 信號 分解 周期 特性 網絡流量 特征 指標 預測 方法 | ||
1.基于信號分解和周期特性的網絡流量特征指標預測方法，其特征在于：包括以下步驟：
信號分解步驟：使用EMD信號分解算法，對網絡流量特征指標時間序列進行經驗模態分解，得到多個分量和一個殘余項；
周期計算步驟：計算各個分量的周期，利用快速傅里葉變換計算每個分量各自的周期；
分量預測步驟：對各個分量進行單獨的預測，根據每個分量的周期，對分量中周期點進行重新采樣，形成新的采樣時間序列，并針對該采樣時間序列開展回歸預測，最后使用回歸方法對殘余項進行預測；
具體步驟如下：
根據某個分量IMFi的周期Ti，對IMFi分量中的周期點進行重新采樣，形成新的采樣時間序列；針對新的采樣時間序列開展回歸預測，從而得到該分量的預測輸出outputi；針對所有IMF分量的預測全部完成后，最后使用回歸方法對殘余項Rm進行預測，獲得Rm的預測輸出output_R；
回歸預測具體是指，根據需要預測的未來時刻t，從IMFi中依次選取該分量歷史數據中的周期點成員，即距離時刻點t的時間距離為Ti整數倍的成員，組成新的時間序列，然后針對未來一段時間所有時刻點，重復上述預測過程，得到針對未來一段時間內所有時刻點的預測結果，從而得到該分量的預測輸出outputi；
結果輸出步驟：對各分量的預測輸出以及殘余項輸出進行逐項求和，得到最終預測結果。
2.如權利要求1所述的一種基于信號分解和周期特性的網絡流量特征指標預測方法，其特征在于：所述信號分解步驟中，使用EMD信號分解算法，對網絡流量指標時間序列進行經驗模態分析，將其按頻率高低分解為多個分量。
3.如權利要求1所述的一種基于信號分解和周期特性的網絡流量特征指標預測方法，其特征在于：所述周期計算步驟中，利用快速傅里葉變換計算每個信號分量IMFi的信號周期Ti和比重，而對殘余項Rm不做周期分析。
4.如權利要求1所述的一種基于信號分解和周期特性的網絡流量特征指標預測方法，其特征在于：所述結果輸出步驟：對各分量的預測輸出outputi以及殘余項預測輸出output_R進行逐項求和得到最終預測結果RESULT。
5.如權利要求4所述的一種基于信號分解和周期特性的網絡流量特征指標預測方法，其特征在于：所述結果輸出步驟中，求和過程為：將多個outputi以及output_R中相同時刻點的預測值進行分別累加，即將每個時刻點的不同分量預測結果進行累加運算，從而得到針對未來一段時間的最終預測結果時間序列RESULT。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911022926.X/1.html，轉載請聲明來源鉆瓜專利網。
