摘要：针对网络控制系统诱导时延具有的随机性、非平稳性、非线性等特点,提出了一种基于改进的集总平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)-排列熵和布谷鸟搜索(cuckoo search,CS)优化的小波神经网络(wavelet neural network,WNN)时延预测算法。首先通过MEEMD对网络诱导时延序列进行处理,分别计算各模态的排列熵值,对复杂度相近的模态进行重组后得到新的子序列,从而达到降低建模复杂度和减少计算量的目的;然后利用CS算法优化的WNN预测新的子序列;最后叠加各子序列预测结果以获得时延序列的最终预测值。仿真表明,该算法具有较好的预测精度,能反映时延序列的总体趋势,可有效地降低异常值影响等优点。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社