一种基于粒子群的实际业务流预测算法

李文泽; 盛光磊

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于粒子群的实际业务流预测算法

更新时间：2026-09-04

- 一种基于粒子群的实际业务流预测算法
- An Actual Traffic Prediction Algorithm Based on Particle Swarm
- 微电子学与计算机 2014年31卷第1期页码：56-59
- 作者机构：
  
  1. 1 河南广播电视大学机构,河南,郑州,450008
  2. 2 郑州升达经贸管理学院机构,河南,郑州,451191
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目（10901144）
- DOI：
  中图分类号：
- 纸质出版：2014
- 稿件说明：
移动端阅览
李文泽, 盛光磊. 一种基于粒子群的实际业务流预测算法[J]. 微电子学与计算机, 2014, 31(1): 56-59.

LI Wen-ze, SHENG Guang-lei. An Actual Traffic Prediction Algorithm Based on Particle Swarm[J]. 2014, 31(1): 56-59.
李文泽, 盛光磊. 一种基于粒子群的实际业务流预测算法[J]. 微电子学与计算机, 2014, 31(1): 56-59. DOI：

LI Wen-ze, SHENG Guang-lei. An Actual Traffic Prediction Algorithm Based on Particle Swarm[J]. 2014, 31(1): 56-59. DOI：

摘要

为了解决因业务流迅速增长而造成的网络拥塞现象，提出了一种新的业务流预测算法PSATP （Particle Swarm-ARIMA model based Traffic Prediction）.该算法首先利用ARIMA模型和Kalman滤波建立预测方法，并且结合粒子群进行优化，使预测精度得以提高.同时，以实际数据进行仿真实验，深入研究了时延、丢包率与缓冲区、利用率之间的关系.相比于其他算法，仿真结果表明PSATP算法具有较好性能.

Abstract

In order to mitigate network congestion caused by the rapid growth of traffic

a novel traffic prediction algorithm PSATP (Particle Swarm-ARIMA model based Traffic Prediction) is proposed.In this algorithm

the prediction method is presented by ARIM A model and Kalman filter at first

and the prediction accuracy is improved with particle swarm optimization.Then

a simulation with actual data was conducted to study the relationship between delay

dropping rate buffer and utilization rate.The simulation results show that

compared to other algorithm

PSATP has better performance.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种基于特征上下文理解与切片分析的肺结核检测算法

基于多尺度融合与小目标增强的航拍车辆检测算法

基于改进RT-DETR的航拍小目标检测算法

基于反向体偏置的高增益稳定性高温运放设计

低功耗设计的双链电源关断策略的实现与验证