基于雙向GRU模型的網(wǎng)絡(luò)流量預(yù)測的研究
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>593 K
標(biāo)簽： 流量預(yù)測 神經(jīng)網(wǎng)絡(luò) 門控循環(huán)單元
所需積分：0分積分不夠怎么辦,？
文檔介紹：當(dāng)前使用門控循環(huán)單元(Gated Recurrent Units,，GRU)神經(jīng)網(wǎng)絡(luò)進(jìn)行流量預(yù)測時，普遍存在滯后性以及預(yù)測準(zhǔn)確性不高的問題,，因此提出一種改進(jìn)的GRU模型進(jìn)行流量預(yù)測的方法,。首先基于GRU神經(jīng)網(wǎng)絡(luò)提出一種雙向GRU神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)堆疊的網(wǎng)絡(luò)模型，適用于流量特征,、時間特征,、事件特征等多維向量的輸入,；同時為解決部分時間段準(zhǔn)確度不高的問題,，將訓(xùn)練樣本進(jìn)行日期分類，針對每一類日期生成單獨(dú)的網(wǎng)絡(luò)模型,，能大幅提升預(yù)測的準(zhǔn)確度以及改善預(yù)測的滯后性,。最后，為了提升流量峰值的預(yù)測準(zhǔn)確度,，采用樣本的再平衡手段以及自定義損失函數(shù),，實驗結(jié)果表明，能較好地達(dá)成預(yù)期目標(biāo),。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分；重復(fù)下載不扣分,，本人上傳資源不扣分,。