基于EEMD技术在电力信息安全中的多步时间序列预测方法

摘要：

针对用户访问轨迹的数据特征,提出一种基于EEMD技术的多步时间序列预测模型.该模型利用了集合经验模态分解EEMD结合极限学习机ELM模型,混合人工鱼群MAFA优化的方式,克服了算法中存在过拟合和多步时间序列预测的策略限制问题.通过该模型,实现了对访问轨迹时间序列多步预测,结合安全范围包络线,进而提前发现是否存在入侵行为.验证结果表明,优化后的EEMD-ELM模型比传统时间序列预测方法的迭代速率与精度得到了极大提高,泛化能力增强,说明了该方法的有效性、可行性.

关键词：势态感知、集合经验模态、极限学习机、混合人工鱼群、多步时间序列预测

所属期刊栏目：40

分类号：TN915.08-34;V249

在线出版日期：2017-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：159-162,166