TY -的A2 -荣,博盟——彭Rongqun AU - Fu Xiuhua AU -叮,田PY - 2022 DA - 2022/11/17 TI -机器学习与交通预测变量采样率在6克MEC物联网SP - 8190688六世- 2022 AB -移动宽带网络的高速发展和物联网应用程序带来了大规模的数据传输和数据处理,和严重的交通拥堵有不利影响的快速增长的网络和行业。更好地分配网络资源,确保通信的运行平稳,预测网络流量成为一个重要的工具。我们详细调查的影响变量采样率对交通预测和提出一个高速交通使用机器学习和复发性神经网络预测方法。我们第一次调查VSR-NLMS自适应预测方法进行时间序列预测数据集转换。然后,我们提出一个VSR-LSTM算法实时网络流量的预测。最后,与传统交通预测算法相比基于固定采样率(FSR-LSTM),我们模拟预测精度VSR-LSTM算法基于变量的采样率。实验表明,VSR-LSTM交通具有较高的预测精度,因为它的采样率随交通。SN - 1026 - 0226 UR - https://doi.org/10.1155/2022/8190688 - 10.1155 / 2022/8190688摩根富林明离散动力学自然界和社会中PB - Hindawi KW - ER