研究船舶网络流量预测的灰色模型，精准有效地预测船舶网络流量趋势，保障船舶网络的稳定通信。采集船舶网络流量初始数据，通过小波变换Mallat算法分解重构处理此类数据，获得平滑高质量船舶网络流量数据，运用灰色模型与反向传播神经网络构建灰色预测模型，向该模型内输入处理后平滑流量数据，输出船舶网络流量预测值，实现船舶网络流量预测。结果表明，该模型处理所采集船舶网络流量数据毛刺的效果显著，处理后的船舶网络流量数据平滑性高。最终预测的船舶网络流量数据几乎与样本数据吻合，预测结果的拟合效果好、偏离度较低，整体预测精度较高，可为船舶无线网络有效避免拥堵与保持稳定通信提供保障。
The grey model of ship network traffic prediction is studied to accurately and effectively predict the trend of ship network traffic and ensure the stable communication of ship network. The initial data collection vessel network traffic by Mallat algorithm of wavelet transform decomposition reconstruction process such data, to obtain smooth quality shipping network traffic data, using the grey model and the back propagation neural network to build the grey forecasting model, to the input processing within the model after smooth traffic data, output of ship network traffic prediction, to realize the network traffic prediction of the ship. The results show that the model can deal with the burrs of the collected ship network traffic data effectively, and the processed ship network traffic data has a high smoothness. Finally, the predicted ship network traffic data is almost consistent with the sample data, and the prediction results have good fitting effect, low deviation degree and high overall prediction accuracy, which can effectively avoid congestion and maintain stable communication for the ship wireless network.
2022,44(12): 149-152 收稿日期：2021-12-29
DOI：10.3404/j.issn.1672-7649.2022.12.030
分类号：TP391
基金项目：江苏省社科联“江苏海事智慧航运研究协同创新基地”资助项目
作者简介：吴蓉蓉(1981-)，女，硕士，讲师，研究方向为物流与供应链管理
参考文献：
[1] 李松, 周亚同, 池越, 等. 高斯过程混合模型应用于网络流量预测研究[J]. 计算机工程与应用, 2020, 56(5): 186–193
[2] 张杰, 白光伟, 沙鑫磊, 等. 基于时空特征的移动网络流量预测模型[J]. 计算机科学, 2019, 46(12): 108–113
[3] 姚立霜, 刘丹, 裴作飞, 等. 基于EMD聚类的实时网络流量预测模型[J]. 计算机科学, 2020, 47(S2): 316–320
[4] 张志宏, 刘传领. 基于灰狼算法优化深度学习网络的网络流量预测[J]. 吉林大学学报(理学版), 2021, 59(3): 619–626
[5] 王筱, 周维博. 基于优化的灰色-权马尔科夫模型的径流量预测[J]. 数学的实践与认识, 2019, 49(22): 179–186
[6] 杨晓敏. 改进灰狼算法优化支持向量机的网络流量预测[J]. 电子测量与仪器学报, 2021, 35(3): 211–217
[7] 朱庆辉, 李广儒, 杨晓, 等. 基于循环结构优化的Elman神经网络船舶交通流量预测[J]. 高技术通讯, 2019, 29(3): 295–301
[8] 林振荣, 黎嘉诚, 杨冬芹, 等. 改进微分进化和小波神经网络的网络流量预测[J]. 计算机工程与设计, 2019, 40(12): 3413–3418
[9] 杜臻, 马立鹏, 孙国梓. 一种基于小波分析的网络流量异常检测方法[J]. 计算机科学, 2019, 46(8): 178–182
