基于VMD與改進(jìn)LSTM模型的網(wǎng)絡(luò)流量預(yù)測(cè)

摘要： 針對(duì)長(zhǎng)短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)在對(duì)時(shí)間序列進(jìn)行學(xué)習(xí)時(shí)最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)確定困難,以及實(shí)際網(wǎng)絡(luò)流量存在非平穩(wěn)、長(zhǎng)相關(guān)性難以充分挖掘其完整特征的問(wèn)題,提出了一種基于變分模態(tài)二次分解、遺傳算法結(jié)合長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的流量預(yù)測(cè)方法。變分模態(tài)分解將復(fù)雜的非平穩(wěn)序列分解成多個(gè)模態(tài)分量,可以有效降低其復(fù)雜性;遺傳算法用于確定長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的最佳參數(shù)配置,以確保長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)具有最佳性能... （共6頁(yè)）