粗粒度网络流量的灰色模型预测

在实际网络流量上研究了新陈代谢灰色模型(MGM)预测流量. 预测结果表明,灰色模型建模长度远小于流量序列主周期长度时,预测精度较高. 灰色模型预测流量宜采用小量数据建模,此时残差修正对提高预测精度影响很小,预测不需采用残差灰色模型(RGM). 对比了灰色模型与自回归综合滑动平均模型（ARIMA）和Elman神经网络（ENN）模型的预测结果,灰色模型远优于ARIMA,与ENN相当. 灰色模型的优点是能自适应网络流量的变化.     

基于DGMM的智能变电站网络流量预测

提出一种基于动态灰色马尔科夫模型(dynamic gray Markov model,DGMM)的智能变电站网络流量预测方法.根据灰色预测理论对网络流量进行初步预测;针对初步预测误差,利用K-means聚类算法实现状态的划分,建立马尔科夫模型对预测误差进行动态校正;对K-means中的K值进行了讨论.利用真实环境下采集到的流量数据对所提方法进行测试.结果表明,该模型的平均预测误差仅有4%,能够满足预测要求,为智能变电站网络性能分析预测、网络故障和病毒入侵预警提供决策依据.     

接收机钟差灰色马尔可夫预测模型研究

将灰色理论与马尔可夫链相结合,提出了基于灰色马尔可夫链的接收机钟差预测模型.首先根据灰色理论对钟差序列数据进行拟合以及初步预测,然后以拟合曲线为基础划分状态空间,通过马尔可夫状态转移概率矩阵对初步预测值进行修正.在预测过程中,不断引入最新数据并剔除最旧数据,对模型进行实时更新,以进一步提高预测精度.实例计算验证了该模型...     

灰色马尔可夫模型在公路运输弹性系数预测中的应用

灰色模型不适合长期、随机性和波动性较大的数据序列预测,针对这一问题引入马尔可夫预测理论,建立了公路运输弹性系数的灰色马尔可夫预测模型.模型兼有灰色预测和马尔可夫预测的优点,克服了随机波动性数据对公路运输弹性系数预测精度的影响,拓宽了灰色预测模型的应用范围.通过湖南省公路客运弹性系数预测的实例证明,基于灰色马尔可夫的公路运输弹性系数预测模型的预测精度普遍高于灰色GM(1,1)模型的预测精度,具有较好的实用性.     

基于大数据分析的非线性网络流量组合预测模型

针对传统方法不能对网络流量变化特征进行准确描述,并且预测精度较低的问题,提出了基于大数据分析的非线性网络流量组合预测模型.通过对非线性网络流量数据进行有效分解,获得不同尺度的分量,利用混沌理论对多尺度分量进行相空间重构获得流量子序列.构建改进鸟群算法优化模型,并对重构后的网络流量子序列进行预测和组合,获得网络流量预测结果.结果表明,所提模型能够精确地描述网络流量的非线性、周期性以及长相关性等变化特征,具有较高的预测精度.     

基于混合模型的网络流量预测研究

随着网络应用的多样化发展,分析网络流量的行为特性并建立模型进行预测,对于网络管理与流量工程有着重要意义.通过对多种流量预测方法的分析和比较,指出单一预测模型的局限性,并结合近年流量的新特性提出:网络流量的建模预测必须建立在流量重要特性的基础上,采用混合模型可以更全面、准确地描述和预测流量的行为趋势.     

基于灰色马尔可夫链的径流序列模式挖掘

河川径流受气候、地貌、土壤、植被等自然条件以及人类活动的耦合作用,其演变过程既表现出灰色禀性,同时也有强烈的随机性.探讨了径流序列模式挖掘的灰色系统方法,提出了综合考虑径流序列趋势变化与随机变化的灰色马尔可夫预测方法,并用于年径流序列预测.通过黄河上游贵德站年径流序列资料验证,该方法比GM(1,1)有更高的精度,满足规范要求,计算方法可行.结果可为黄河上游防洪抗旱、区域水资源管理、水利水电工程规划提供科学的依据.     

基于生命旋回-权马尔可夫的径流预测模型

针对生命旋回预测模型不能反映河川径流周期性和波动性变化的特点,将其与权马尔可夫链结合,提出了一种精度较高的预报模型——生命旋回-权马尔可夫链组合模型.该模型用生命旋回模型预报河川径流的趋势项变化,由权马尔可夫链对径流残差序列进行修正,进行预测时采用等维信息方法处理,在此基础上对黄河龙门水文站径流进行预测,拟合精度为86.97%,合格率为86.78%,表明该模型可以用于径流预测.此外,对求解生命旋回模型的方法作出了改进,经研究表明,该方法实用可行.     

基于灰色残差马尔可夫模型的郑州市旱涝灾害预测

针对旱涝灾害影响范围广、发生频率高和难以准确预测的情况,利用马尔可夫状态转移矩阵与DGM(1,1)预测模型的互补优势,构建了灰色残差马尔可夫预测模型.选取郑州市某60 a的年降水量作为历史数据,运用均值-标准差旱涝等级划分法得到干旱和雨涝的降水量临界值,从而取定上、下灾变点,分别建立干旱和雨涝日期灾变序列,并对序列进行建模求解.结果表明,灰色残差马尔可夫预测模型计算简便、精度较高.预测结果可以为郑州地区的旱涝预测及防灾减灾工作提供借鉴.     

基于隐马尔可夫模型的人脸特征标注和识别

传统的基于隐马尔可夫模型的人脸识别方法需要对原始人脸图像进行光照补偿、人脸旋转等预处理,而且模型对人脸姿势、表情、局部特征变化等非常敏感.为解决此问题,提出一种基于高斯隐马尔可夫模型的人脸特征标注方法,该方法假定人脸图像中人脸和人脸特征两个区域的灰度值服从两个不同的高斯分布,并将这两个分布作为隐马尔可夫模型的状态集合.同时,将灰度人脸图像转换为一维的灰度值序列作为观测序列,通过模型预测状态序列以实现人脸特征的标注和定位,并基于该模型建立人脸数据库,对未知人脸进行识别.在ORL人脸库和自建人脸库的测试中,均取得较高的标注准确率和识别准确率.