典型文献
基于Prophet-DeepAR模型的Web流量预测
文献摘要：
Web流量预测一直是数据中心网络的热点问题,对于提高网络服务质量具有重要意义.由于Web流量具有非线性、自相关性和周期性等复杂特点,对其准确预测有很大的挑战性.为充分挖掘出Web流量的可预测信息,同时使预测模型具有充分的可解释性和可配置性,本文提出一种基于Prophet和深度自回归(DeepAR)的组合预测模型.其中,Prophet是基于时序分解的加性模型,对Web流量的趋势、季节性周期、节假日信息进行建模.同时,使用基于概率预测的DeepAR模型对Prophet残差隐含的自回归信息建模,捕获长短期依赖关系,以减低Prophet残差的方差,并充分捕获Web流量的自回归信息.在真实的Web流量数据集上进行验证实验,结果表明在RMSE和MAE两项评价指标上均优于对比模型,验证了该组合模型的有效性.
文献关键词：
时间序列;Web流量预测;Prophet模型;深度学习;自回归
中图分类号：
作者姓名：
闫龙川;李妍;宋浒;邹昊东;王丽君
作者机构：
国家电网有限公司 信息通信分公司,北京100761;国网江苏省电力有限公司 信息通信分公司,江苏 南京211106;国网电力科学研究院有限公司,江苏 南京210024
文献出处：
引用格式：
[1]闫龙川;李妍;宋浒;邹昊东;王丽君-.基于Prophet-DeepAR模型的Web流量预测)[J].广西师范大学学报（自然科学版）,2022(03):172-184
A类：
B类：
Prophet,DeepAR,流量预测,数据中心网络,网络服务质量,自相关性,准确预测,挖掘出,可解释性,可配置,自回归,组合预测模型,时序分解,加性模型,性周期,节假日,概率预测,信息建模,长短期,依赖关系,减低,流量数据,验证实验,RMSE,MAE,对比模型,该组,组合模型
AB值：
0.376292
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。
