基于离散小波变换和FA-ELM的网络流量预测方法

    公开(公告)号:CN113411216B

    公开(公告)日:2022-11-04

    申请号:CN202110687331.7

    申请日:2021-06-21

    摘要: 本发明提供了一种基于离散小波变换和FA‑ELM的网络流量预测方法,包括:步骤1,构建DWAFE模型,在所述DWAFE模型中设置数据管理员和模型管理员;步骤2,获取多个网络流量数据并将所述网络流量数据发送给所述数据管理员,所述数据管理员将所述网络流量数据进行数据预处理,得到数据预处理后的所述网络流量数据。本发明经过萤火虫算法优化的FA‑ELM模型,克服了ELM稳定性差的缺陷,对非线性数据预测的准确性高,能稳定可靠地应用于各领域的研究中,具有极大的现实意义。本发明提出的DWAFE模型结合了ARIMA模型和FA‑ELM模型各自的优势,做出精准的网络流量预测,根据预测结果计算出指定置信度下的动态阈值区间,从而实现设备运行状态实时感知,为设备故障预警提供强有力的支持。

    基于离散小波变换和FA-ELM的网络流量预测方法

    公开(公告)号:CN113411216A

    公开(公告)日:2021-09-17

    申请号:CN202110687331.7

    申请日:2021-06-21

    摘要: 本发明提供了一种基于离散小波变换和FA‑ELM的网络流量预测方法,包括:步骤1,构建DWAFE模型,在所述DWAFE模型中设置数据管理员和模型管理员;步骤2,获取多个网络流量数据并将所述网络流量数据发送给所述数据管理员,所述数据管理员将所述网络流量数据进行数据预处理,得到数据预处理后的所述网络流量数据。本发明经过萤火虫算法优化的FA‑ELM模型,克服了ELM稳定性差的缺陷,对非线性数据预测的准确性高,能稳定可靠地应用于各领域的研究中,具有极大的现实意义。本发明提出的DWAFE模型结合了ARIMA模型和FA‑ELM模型各自的优势,做出精准的网络流量预测,根据预测结果计算出指定置信度下的动态阈值区间,从而实现设备运行状态实时感知,为设备故障预警提供强有力的支持。

    冗余日志删除方法及系统
    7.
    发明公开

    公开(公告)号:CN112667573A

    公开(公告)日:2021-04-16

    申请号:CN202011535362.2

    申请日:2020-12-23

    IPC分类号: G06F16/14 G06F16/16 G06F16/18

    摘要: 本发明公开了一种冗余日志删除方法及系统。其中,该方法包括:获取目标日志数据;对所述目标日志数据进行分析,生成分析结果;将目标数据库中的日志数据与所述分析结果进行比对,生成比对结果;根据所述比对结果,生成日志展示数据并进行可视化展示。本发明解决了现有技术中日志删除无法准确、高效地进行多元化日志结果冗余删除的技术问题。