基于奇异谱分析与LSSVM算法的列车无线网络控制时延预测方法

无线网络控制是推进高速列车智能化的有利因素,无线网络时延作为一种典型的时间序列,存在随机性强、波动性大等问题导致预测难度大,针对这些问题提出了一种奇异谱分析-改进粒子群优化LSSVM的无线网络时延预测模型.首先将获取到的时延序列通过Cao方法确定窗口长度,再将时延序列通过奇异谱分析得到一系列子序列,将各子序列采用混沌粒子群优化后的LSSVM模型进行预测,最后将所有子序列预测值进行叠加得到最终预测结果,仿真结果表明,该模型MAPE、MSE及MAE相比小波分解模型分别降低了 2.8％、1.055、0.44;相比EMD分解模型分别降低了 7.4％、3.377、1.118;相比CEEMD分解模型分别降低了 6.2％、2.568、0.974,精度明显高于其他模型.