本文關(guān)鍵詞：粒子群算法優(yōu)化相空間重構(gòu)參數(shù)的網(wǎng)絡(luò)流量預(yù)測(cè)模型

  更多相關(guān)文章： 網(wǎng)絡(luò)流量 相空間重構(gòu) 粒子群算法 嵌入維 延遲時(shí)間

【摘要】：在網(wǎng)絡(luò)流量預(yù)測(cè)過(guò)程中,相空間重構(gòu)參數(shù)是影響預(yù)測(cè)性能的重要方面,傳統(tǒng)參數(shù)分開(kāi)優(yōu)化,為了提高網(wǎng)絡(luò)流量的預(yù)測(cè)精度,提出一種粒子群算法優(yōu)化相空間重構(gòu)參數(shù)的網(wǎng)絡(luò)流量預(yù)測(cè)模型(PSO-BPNN);首先將BP神經(jīng)網(wǎng)絡(luò)作為學(xué)習(xí)算法,然后采用粒子群算法對(duì)相空間重構(gòu)參數(shù)——延遲時(shí)間和嵌入維進(jìn)行聯(lián)合優(yōu)化,并重構(gòu)網(wǎng)絡(luò)流量序列,最后以小波BP神經(jīng)網(wǎng)絡(luò)建立最優(yōu)絡(luò)流量預(yù)測(cè)模型,并采用仿真實(shí)驗(yàn)對(duì)模型性能進(jìn)行分析,結(jié)果表明,PSO-BPNN提高了網(wǎng)絡(luò)流量的預(yù)測(cè)精度。
【作者單位】： 華東交通大學(xué)信息工程學(xué)院;上饒師范學(xué)院數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院;
【關(guān)鍵詞】： 網(wǎng)絡(luò)流量 相空間重構(gòu) 粒子群算法 嵌入維 延遲時(shí)間
【基金】：江西省教育廳青年基金項(xiàng)目(GJJ13704)
【分類(lèi)號(hào)】：TP393.06
【正文快照】： olAAhSSMHWM.m?工士確的85測(cè)模型。基于支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性預(yù)測(cè)方法能夠較好地描述網(wǎng)絡(luò)流量的非線(xiàn)性、■穩(wěn)性等變化特點(diǎn),預(yù)測(cè)精度高’廣泛應(yīng)用于網(wǎng)絡(luò)流1:預(yù)測(cè)24。近年來(lái)’-些#者將混沌理論應(yīng)用于網(wǎng)絡(luò)流量建模與預(yù)測(cè)中,其中相空間重構(gòu)(phase space reconstruction,PS

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 姜明;吳春明;張e，

本文編號(hào)：610804