典型文献
基于双向GRU模型的网络流量预测的研究
文献摘要：
当前使用门控循环单元(Gated Recurrent Units,GRU)神经网络进行流量预测时,普遍存在滞后性以及预测准确性不高的问题,因此提出一种改进的GRU模型进行流量预测的方法.首先基于GRU神经网络提出一种双向GRU神经网络和人工神经网络堆叠的网络模型,适用于流量特征、时间特征、事件特征等多维向量的输入;同时为解决部分时间段准确度不高的问题,将训练样本进行日期分类,针对每一类日期生成单独的网络模型,能大幅提升预测的准确度以及改善预测的滞后性.最后,为了提升流量峰值的预测准确度,采用样本的再平衡手段以及自定义损失函数,实验结果表明,能较好地达成预期目标.
文献关键词：
流量预测;神经网络;门控循环单元;损失函数
中图分类号：
作者姓名：
徐海兵;郭久明
作者机构：
迈普通信技术股份有限公司科技创新部,四川成都610094
文献出处：
引用格式：
[1]徐海兵;郭久明-.基于双向GRU模型的网络流量预测的研究)[J].电子技术应用,2022(02):19-22,27
A类：
B类：
GRU,网络流量预测,门控循环单元,Gated,Recurrent,Units,滞后性,预测准确性,人工神经网络,堆叠,流量特征,时间特征,事件特征,训练样本,成单,预测准确度,再平衡,自定义,损失函数,预期目标
AB值：
0.371535
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
