Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Large Deviations of χ 2 Divergence Errors on Partitions Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

34. Combining Time Series Forecasting Methods for Internet Traffic

verfasst von : C. Katris, S. Daskalaki

Erschienen in: Stochastic Models, Statistics and Their Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The aim of this work is to explore whether forecasts from individual forecasting models can be improved with the use of combination rules. Working with Internet traffic data, first we use FARIMA, FARIMA with student-t innovations and Artificial Neural Networks as individual forecasting models, since each one of them explains some statistical characteristic of our data, and next we combine the forecasts using three different combination rules. Based on our experimental work simple combination rules may improve individual models. Finally, we consider a scheme where the selection of the model is based on the White’s Neural Network test for non-linearity and compare with the results from the combination of forecasts.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Dynamic Price Linkage and Volatility Structure Model Between Carbon Markets
Nächstes Kapitel Stochastic Model of Cognitive Agents Learning to Cross a Highway
Literatur
1.
Bates J, Granger C (1969) The combination of forecasts. 4OR 20:451–468
2.
Beran J, Sherman R, Taqqu MS, Willinger W (1995) Variable bit-rate video traffic and long range dependence. IEEE Trans Commun 43(2–4):1566–1579 CrossRefMATH
3.
Bunn DW (1989) Forecasting with more than one model. J Forecast 8:161–166 CrossRef
4.
Cortez P, Rio M, Rocha M, Sousa P (2012) Multi-scale Internet traffic forecasting using neural networks and time series methods. Expert Syst 29(2):143–155
5.
Frank RJ, Davey N, Hunt SP (2001) Time series predictions and neural networks. J Intell Robot Syst 31(1-3):91–103 CrossRefMATH
6.
Fitzek FHP, Reisslein M (2001) MPEG-4 and H.263 Video Traces for Network Performance Evaluation. IEEE Netw 15(6):40–54 CrossRef
7.
Geweke G, Porter-Hudak S (1983) The estimation and application of long memory time series models. J Time Ser Anal 4(4):221–238 MathSciNetCrossRefMATH
8.
Ghalanos A (2013) rugarch: Univariate GARCH models. R package version 1.2-7
9.
Granger CWJ, Joyeux R (1980) An introduction to long-memory time series models and fractional differencing. J Time Ser Anal 1:15–30 MathSciNetCrossRefMATH
10.
Granger CWJ, Ramanathan R (1984) Improved methods of forecasting. J Forecast 3:197–204 CrossRef
11.
12.
Ilow J (2000) Forecasting network traffic using FARIMA models with heavy tailed innovations. In: Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP ’00), vol 6, pp 3814–3817
13.
Katris C, Daskalaki S (2014) Prediction of Internet traffic using time series and neural networks. In: Proceedings of International Work-Conference on Time Series Analysis (ITISE 2014), vol 1, pp 594–605
14.
Lee TH, White H, Granger CWJ (1993) Testing for neglected nonlinearity in time series models. J Econom 56:269–290 MathSciNetCrossRef
15.
Leland WE, Taqqu MS, Willinger W, Wilson D (1994) On the self-similar nature of Ethernet traffic (extended version). IEEE/ACM Trans Netw 2:1–15 CrossRef
16.
Liu J, Shu Y, Zhang L, Xue F, Oliver W, Yang W (1999) Traffic modeling based on FARIMA models. In: Canadian conference on electrical and computer engineering – CCECE, vol 1, pp 162–167
17.
de Menezes LM, Bunn DW, Taylor JW (2000) Review of guidelines for the use of combined forecasts. Eur J Oper Res 120(1):190–204 CrossRefMATH
18.
Shu Y, Jin Z, Zhang L, Wang L, Oliver W, Yang W (1999) Traffic prediction using FARIMA models. IEEE Int Conf Commun 2:891–895
19.
Zhang G, Patuwo BE, Hu MY (1998) Forecasting with artificial neural networks: the state of the art. Int J Forecast 14(1):35–62 CrossRef
Metadaten
Titel
Combining Time Series Forecasting Methods for Internet Traffic
verfasst von
C. Katris
S. Daskalaki
Copyright-Jahr
2015
Buch
Stochastic Models, Statistics and Their Applications

Print ISBN: 978-3-319-13880-0

Electronic ISBN: 978-3-319-13881-7

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-13881-7_34