典型文献
基于LSTM混合模型的时间序列预测
文献摘要：
网络流量分析和预测已经成为监控网络的关键.网络预测是捕捉网络流量并对其进行深入研究以决定网络中发生的情况的过程.网络流量的分析和估计的准确性在实现网络服务质量(Q o S)的保证方面越来越重要.研究通过将LSTM和ANFIS相结合的形式构建LSTM-ANFI模型,提高网络流量预测性能.实验结果表明,LSTM-ANFI模型在网络流量的预测方面具有一定优势,通过模型对比不难发现该模型优于单一的LSTM和单一的ANFIS模型.就相关指标而言,提出的增强型LSTM R297.95％和增强型ANFIS模型的经验结果是R2=96.78％,适用于蜂窝网络流量数据.
文献关键词：
LSTM混合模型;时间序列;预测分析
中图分类号：
作者姓名：
李辉东;许媛;郭元凯
作者机构：
安康职业技术学院,陕西安康725000
文献出处：
引用格式：
[1]李辉东;许媛;郭元凯-.基于LSTM混合模型的时间序列预测)[J].长江信息通信,2022(11):38-40
A类：
ANFI,R297
B类：
混合模型,时间序列预测,网络流量分析,监控网络,网络服务质量,ANFIS,网络流量预测,预测性能,模型对比,不难,增强型,蜂窝网络,流量数据,预测分析
AB值：
0.253533
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。
