發(fā)布時(shí)間：2024-04-25 01:59

　　隨著多媒體與信息技術(shù)的飛速發(fā)展,網(wǎng)絡(luò)流量特性發(fā)生了巨大變化,傳統(tǒng)的分析預(yù)測(cè)模型已經(jīng)無法滿足現(xiàn)代網(wǎng)絡(luò)服務(wù)的要求。在此背景下,本文基于對(duì)傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)的分析,提出一種改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)流量預(yù)測(cè)模型。仿真結(jié)果表明,所提改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)流量預(yù)測(cè)模型較之傳統(tǒng)的預(yù)測(cè)模型具有更高的預(yù)測(cè)準(zhǔn)確率,在網(wǎng)絡(luò)流量預(yù)測(cè)中有一定的實(shí)用價(jià)值。

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖1小波神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

二、基于改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)的高速網(wǎng)絡(luò)流量預(yù)測(cè)算法人工神經(jīng)網(wǎng)絡(luò)(Artificialneuralnetwork,ANN)是一種模擬人腦活動(dòng)特征的非線性信息處理系統(tǒng)。小波神經(jīng)網(wǎng)絡(luò)(Waveletneuralnetwork,WNN)是一種將小波分析與ANN相結(jié)合,信號(hào)前向傳播的....

圖2預(yù)測(cè)樣本的實(shí)際值與預(yù)測(cè)值

圖2為利用200組測(cè)試數(shù)據(jù)對(duì)訓(xùn)練完成后的MWNN網(wǎng)絡(luò)流量預(yù)測(cè)模型的測(cè)試結(jié)果,從圖中可以看出,本文所建立的MWNN網(wǎng)絡(luò)流量預(yù)測(cè)模型可以對(duì)網(wǎng)絡(luò)流量進(jìn)行準(zhǔn)確的預(yù)測(cè),預(yù)測(cè)精度達(dá)到90%以上。為了進(jìn)一步驗(yàn)證本文所提MWNN高速網(wǎng)絡(luò)流量預(yù)測(cè)算法的有效性,選取平均百分比誤差(MeanAbso....

本文編號(hào)：3963835