本文關(guān)鍵詞：基于人工魚群算法的網(wǎng)絡(luò)流量預(yù)測方法

  更多相關(guān)文章： 網(wǎng)絡(luò)流量預(yù)測 人工魚群算法 支持向量回歸 混沌機(jī)制 粒子群優(yōu)化

【摘要】：使用非線性預(yù)測模型支持向量回歸算法建立預(yù)測模型,對具有明顯非平穩(wěn)性、混沌性以及非線性的網(wǎng)絡(luò)流量進(jìn)行預(yù)測研究。使用人工魚群算法對支持向量回歸算法的參數(shù)進(jìn)行尋優(yōu),使用PSO算法對常規(guī)人工魚群算法進(jìn)行改進(jìn),使得人工魚不依賴步長因子,僅對視野因子產(chǎn)生依賴,能夠得到最優(yōu)解。通過使用Logistic映射對人工魚位置進(jìn)行初始化,提高種群多樣性,從而提高算法全局尋優(yōu)能力,避免算法陷入局部最小值。最后使用MAWI數(shù)據(jù)集中的三組不同時間粒度的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)預(yù)測方法的實(shí)例分析,結(jié)果表明,所研究的人工魚群算法具有較好的預(yù)測性能,能夠滿足網(wǎng)絡(luò)流量預(yù)測的需求。
【作者單位】： 運(yùn)城學(xué)院計算機(jī)科學(xué)與技術(shù)系;
【關(guān)鍵詞】： 網(wǎng)絡(luò)流量預(yù)測 人工魚群算法 支持向量回歸 混沌機(jī)制 粒子群優(yōu)化
【基金】：國家自然科學(xué)基金項(xiàng)目(61303232) 2015年廣東省佛山市機(jī)電專業(yè)群工程技術(shù)開發(fā)中心開放基金:基于物聯(lián)網(wǎng)技術(shù)的產(chǎn)品質(zhì)量控制系統(tǒng)設(shè)計與開發(fā)(2015-KJZX069)
【分類號】：TP18;TP393.06
【正文快照】： 0引言隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,網(wǎng)絡(luò)的規(guī)模和業(yè)務(wù)類型不斷增長,網(wǎng)絡(luò)流量越發(fā)地顯現(xiàn)出非平穩(wěn)性、混沌性以及非線性等,網(wǎng)絡(luò)流量預(yù)測的重要性越來越突出,網(wǎng)絡(luò)流量預(yù)測算法的預(yù)測精度和穩(wěn)定性已成為目前計算機(jī)網(wǎng)絡(luò)研究領(lǐng)域的熱點(diǎn)之一[1]。傳統(tǒng)的基于短相關(guān)的自回歸模型、自回歸滑

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 曲良東;何登旭;;改進(jìn)的人工魚群算法及其在近似求導(dǎo)中的應(yīng)用[J];微電子學(xué)與計算機(jī);2009年05期

2 王聯(lián)國;洪毅;趙付青;余冬梅;;一種簡化的人工魚群算法[J];小型微型計算機(jī)系統(tǒng);2009年08期

3 王宗利;劉希玉;王文平;;一種改進(jìn)的人工魚群算法[J];信息技術(shù)與信息化;2010年03期

4 韋修喜;曾海文;周永權(quán);;云人工魚群算法[J];計算機(jī)工程與應(yīng)用;2010年22期

5 曾蒙迪;;人工魚群算法的簡介及應(yīng)用[J];信息與電腦(理論版);2011年04期

6 李媛;;基于人工魚群算法的多元線性回歸分析問題處理[J];渤海大學(xué)學(xué)報(自然科學(xué)版);2011年02期

7 陳曉峰;宋杰;;量子人工魚群算法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2012年12期

8 王波;;基于細(xì)胞膜優(yōu)化的人工魚群算法研究[J];科技通報;2013年03期

9 王培崇;;人工魚群算法研究綜述[J];中國民航飛行學(xué)院學(xué)報;2013年04期

10 李曉磊,薛云燦,路飛,田國會;基于人工魚群算法的參數(shù)估計方法[J];山東大學(xué)學(xué)報(工學(xué)版);2004年03期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負(fù)荷模型參數(shù)辨識中的應(yīng)用[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（中冊）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王聯(lián)國;人工魚群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

3 張梅鳳;人工魚群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];大連理工大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳斐;改進(jìn)的人工魚群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲群優(yōu)化算法改進(jìn)的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進(jìn)的人工魚群算法在商旅問題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進(jìn)的人工魚群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 彭鵬;配電網(wǎng)無功優(yōu)化和跟蹤調(diào)節(jié)技術(shù)研究[D];沈陽理工大學(xué);2015年

6 崔淑慧;三維管路自動敷設(shè)算法及干涉校驗(yàn)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 黃鋒;混沌人工魚群算法及其在水庫(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

8 劉翔;基于改進(jìn)人工魚群算法的化工過程優(yōu)化[D];北京化工大學(xué);2015年

9 喻俊松;基于改進(jìn)人工魚群算法無人機(jī)航跡規(guī)劃研究[D];南昌航空大學(xué);2015年

10 陳新;基于人工魚群算法的柔性作業(yè)車間調(diào)度研究[D];大連理工大學(xué);2015年

，

本文編號：1059260