《表1 不同模型预测结果及误差比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PF-LSTM网络的高效网络流量预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

a)预测精度。图5是分别采用传统的BPTT算法训练的LSTM网络模型和提出的BF-LSTM网络模型对网络流量值的预测结果曲线。由图5可看出，传统LSTM模型预测曲线虽然能反映网络流量的变化趋势，但是与真实值曲线拟合得不太理想，而PF-LSTM模型收敛于全局最优，能够较好地跟踪网络流量的变化趋势，实现了更精确的预测。为进一步比较LSTM和PF-LSTM两种模型的预测效果，表1计算两种模型的平均预测误差，即RMSE和MRE。从表中可以看出，BF-LSTM模型的预测误差较小，预测值明显优于传统的LSTM模型。从MRE的角度进行评价，传统LSTM的结果为14.72%，而BF-LSTM模型的结果为6.31%，优于LSTM的预测误差。