作者：杨金岳电力综合数据网网络流量预测深度学习lstm网络
摘要：为了提高电力综合数据网的网络性能和服务质量,提出了一种基于深度LSTM神经网络的骨干网络流量预测方法。本文采用了基于深度学习的框架;考虑到网络流量的影响因子都是随时间变化的物理量,同时深度LSTM神经网络算法对时间序列的强大处理能力;从而选取长短时记忆网络对电力综合数据网网络流量进行预测。LSTM具有'遗忘'与'更新'功能,很好的解决了长序依赖问题,从而使特征可以很好的保留到后续的计算中,不会出现记忆消散问题。试验结果表明:相较传统预测模型,运用深度LSTM神经网络预测模型精度较高,可使电力综合数据网可以更快、更准确地调整工作状态,具有很好的应用前景。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
