一种基于PSO-DELM算法的比赛场馆内手机上网流量预测方法

发明专利有效专利

申请号：
CN202010104719.5
IPC分类号：H04L12/26;H04L12/24;G06N3/08
申请日期：
2020-02-20
申请人：
安徽理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于PSO-DELM算法的比赛场馆内手机上网流量预测方法
申请号	CN202010104719.5	申请日期	2020-02-20
法律状态	实质审查	申报国家	中国
公开/公告日	2020-06-30	公开/公告号	CN111355633A
优先权	暂无	优先权号	暂无
主分类号	H04L12/26 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04L 数字信息的传输，例如电报通信（电报和电话通信的公用设备入H04M）〔4〕 H04L12/00 数据交换网络（存储器、输入/输出设备或中央处理单元之间的信息或其他信号的互连或传送入G06F13/00）〔5，2006.01〕 H04L12/02 零部件〔5〕 H04L12/26 监视装置；测试装置〔5〕	IPC分类号	H;0;4;L;1;2;/;2;6;;;H;0;4;L;1;2;/;2;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	安徽理工大学	申请人地址	安徽省淮南市山南新区泰丰大街168号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	安徽理工大学	当前权利人	安徽理工大学
发明人	刘东;周莉;郑晓亮;张磊
代理机构	暂无	代理人	暂无

摘要

一种基于PSO‑DELM算法的比赛场馆内手机上网流量预测方法。本发明涉及一种基于粒子群算法优化深度极限学习机对比赛场馆的手机上网流量预测方法，其中包括数据的预处理，以及构建PSO‑DELM网络流量预测模型。首先根据流量数据的自身特性做出预处理，形成新的数据样本集。在极限学习机中引入自动编码器完成多隐含层的深度极限学习机的构建，并且使用粒子群优化算法对深度极限学习机的各个隐含层的网络节点数目进行优化，选取使模型误差最小的节点数，从而使模型的预测准确率得到提升，最后对算法模型的参数进行设置。本发明基于深度极限学习机理论，并构建经过优化的PSO‑DELM模型，不仅能够使模型的训练速度快、避免的局部最小值的出现，而且相对于其他预测模型的准确率有所提升。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供