典型文献
Prophet混合模型应用于基站网络流量长期预测
文献摘要：
传统网络流量预测方法大多数关注短期预测,而长期预测能够更好地指导基站小区无线设备扩缩容.集合经验模态分解(ensemble empirical mode decomposition,EEMD)能够使非平稳时间序列转化成平稳时间序列,Prophet模型能够准确地对流量序列进行较准确的长期预测,基于以上模型方法的优点和基站小区网络流量的非线性和非平稳性特点,提出一种Prophet混合EEMD的基站小区网络流量预测方法(E-Prophet).采用EEMD将网络流量序列分解成若干固有模态函数(intrinsic mode functions,IMF)分量和一个残差分量;利用Prophet模型对各分量建模,并将各分量预测结果进行线性组合,得到最终的预测结果.利用实际基站小区网络流量数据对方法进行验证,结果表明:E-Prophet对于网络流量长期预测比Prophet、SARIMA、LSTM以及结合EMD和Prophet的模型具有更高的准确度和鲁棒性.
文献关键词：
网络流量预测;集合经验模态分解(EEMD);Prophet模型;时间序列预测
中图分类号：
作者姓名：
张家晨;左兴权;黄海;韩静;张百胜
作者机构：
北京邮电大学 计算机学院(国家示范性软件学院),北京 100876;中兴通信股份有限公司,上海 201203
文献出处：
引用格式：
[1]张家晨;左兴权;黄海;韩静;张百胜-.Prophet混合模型应用于基站网络流量长期预测)[J].计算机工程与应用,2022(14):80-88
A类：
B类：
Prophet,混合模型,模型应用,基站网络流量,长期预测,网络流量预测,短期预测,集合经验模态分解,ensemble,empirical,mode,decomposition,EEMD,非平稳时间序列,转化成,成平,模型方法,非平稳性,序列分解,分解成,固有模态函数,intrinsic,functions,IMF,线性组合,流量数据,SARIMA,时间序列预测
AB值：
0.263578
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。
