排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
谷妙春 《计算机测量与控制》2023,31(2):21-27
摘要 为了提高长短期记忆对网络流量的预测精度,本文提出一种EMD-LSTM预测模型。针对训练样本中存在噪声的问题提出一种基于噪声统计特性的经验模态分解降噪方法,通过分析每一训练样本分解后的本征模态函数确定对应的噪声分量,将各样本中同一位置的噪声分量进行统计平均再与非噪声分量重构实现样本降噪,使用降噪后的序列作为长短期记忆训练样本;针对长短期记忆中使用滑动窗口作为训练样本输入存在的误差叠加问题使用间隔采样构造训练样本。仿真表明,相较于传统长短期记忆方法,本文方法具备更优降噪与预测效果。此外,本文将该预测模型应用于一种基于无人机卸载流量的蜂窝网络,提出一种无人机活动规划方法以优化无人机长时间工作中返航充电的时间点。 相似文献
1