基于PF-LSTM网络的高效网络流量预测方法

来源：计算机应用研究杂志2019年第12期北京时间：

作者：李校林,吴腾,

单位：1.重庆邮电大学通信新技术应用研究中心,重庆400065；2.重庆信科设计有限公司,重庆401121；

摘要：传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点。为解决此问题，提出一种基于长短期记忆（LSTM）循环神经网络的网络流量预测模型。首先，用距离比较和优化组合策略改进粒子滤波算法（PF）的重采样过程；然后搭建PF-LSTM网络的网络流量预测模型，将改进的PF算法用于模型训练，提高其训练速率，克服传统LSTM网络中收敛于局部最优的缺点；最后将提出的模型用于网络流量预测。实验结果表明，相比传统的LSTM模型，提出的PF-LSTM模型具有较好的预测精度和收敛效率，能够更好地描述网络流量的变化趋势。

关键词：网络流量预测,长短期记忆神经网络,粒子滤波算法,预测模型,