论文部分内容阅读
通过对网络流量数据作为时间序列进行小波变换建模，应用于未来时间的网络流量数据预测。首先对流量数据序列进行多尺度分解，对分解到不同尺度上的数据分别利用不同的时间序列模型进行分析，然后进行预测数据的折衷处理，得到网络流量多尺度预测模型。仿真结果表明与单一应用RBF神经网络的时间序列预测模型相比，该模型预测效果良好，具有较高的预测精度和很好的模型适应性。