典型文献
基于机器学习对串联排队系统等待时间的预测
文献摘要：
串联排队系统是排队网络的基本结构,研究串联排队系统对分析排队网络具有重要意义.串联排队系统中站与站之间存在关联性,上游站的输出过程是下游站的输入过程,对于不满足马尔可夫性的排队系统,下游站的到达过程很难用解析的方法分析.对于一般的串联排队系统,本文基于机器学习对串联排队系统的平均等待时间进行预测,通过数值实验比较机器学习中线性回归模型和非线性回归模型的预测效果.实验结果表明,非线性回归模型优于线性回归模型,XGBoost算法对串联排队系统的平均等待时间的预测准确度较高.此外,本文将XGBoost算法与传统的近似分析方法进行比较,发现XGBoost算法的预测效果优于传统的近似分析方法.
文献关键词：
串联排队系统;机器学习;仿真模拟;平均等待时间;XGBoost算法
中图分类号：
作者姓名：
卫安妮;赵宁;张志坚
作者机构：
昆明理工大学 理学院,昆明650500
文献出处：
引用格式：
[1]卫安妮;赵宁;张志坚-.基于机器学习对串联排队系统等待时间的预测)[J].西南师范大学学报（自然科学版）,2022(12):11-21
A类：
串联排队系统
B类：
基于机器学习,排队网络,基本结构,中站,存在关联,出过,马尔可夫,难用,平均等待时间,数值实验,中线,非线性回归模型,XGBoost,预测准确度,近似分析,仿真模拟
AB值：
0.137039
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
