基于VMD_DE的混沌网络流量组合预测研究_魏臻.pdf

文章针对网络流量时间序列的预测问题,提出一种基于变分模态分解(variational mode decomposition,VMD)-分散熵(dispersion entropy,DE)的多尺度组合预测方法。首先对流量样本数据进行混沌特性分析,使用改进的VMD-DE方法对流量数据分解重构,减少周期性流量序列预测的随机性和计算复杂度;然后采用改进鸡群优化算法(chicken swarm optimization,CSO)优化Elman神经网络与最小二乘支持向量机(least squares support vector machine,LSSVM)的多尺度模型,分别对重组后的高频、中频和低频序列