Pesquisa sobre Previsão de Tráfego de Rede Baseada em Rede Neural de Memória de Longo Prazo e Curto Prazo

Devido à variabilidade e incerteza da rede, a previsão do tráfego de rede de curto prazo é um problema difícil. Este artigo propõe um modelo de previsão de tráfego de rede em tempo real baseado em rede neural de Memória de Longo Prazo e Curto Prazo (LSTM). A função de perda da rede LSTM é modificada para aumentar a robustez do modelo de previsão. Diferente do modelo LSTM tradicional, o modelo proposto é continuamente atualizado com a chegada de novo tráfego. Os resultados experimentais mostram que o modelo proposto apresenta melhor desempenho em precisão de previsão do que outros modelos construídos com Regressão por Vetores de Suporte e rede neural de Retropropagação.