高斯过程混合模型应用于网络流量预测研究

来源：计算机工程与应用杂志2020年第5期北京时间：

作者：李松，周亚同，池越，何静飞，张世立

单位：河北工业大学 电子信息工程学院，天津 300401

摘要：精准的网络流量预测可以避免网络崩溃，保证网络的流畅度。将高斯过程混合（GPM）模型应用于网络流量的多模态预测。对两段不同地区的网络流量序列进行多模态分析，将之通过归一化和相空间重构后生成样本集并输入GPM模型。采用分类迭代学习算法，利用后验概率最大化和似然函数实现模型参数学习。将GPM模型与支持向量机（SVM）、核回归（KR）、最小最大概率机回归（MPMR）和高斯过程（GP）等模型比较。通过对比均方根误差[(RMSE)]和决定系数[(R2)]评价指标，GPM模型的预测准确度要优于其他四种模型。说明GPM模型能够很好应用于网络流量预测，可以为网络管理者分配网络资源提供参考。

关键词：网络流量,预测,高斯过程混合模型,多模态