本文關鍵詞：粒子群算法優(yōu)化相空間重構參數(shù)的網(wǎng)絡流量預測模型

  更多相關文章： 網(wǎng)絡流量 相空間重構 粒子群算法 嵌入維 延遲時間

【摘要】：在網(wǎng)絡流量預測過程中,相空間重構參數(shù)是影響預測性能的重要方面,傳統(tǒng)參數(shù)分開優(yōu)化,為了提高網(wǎng)絡流量的預測精度,提出一種粒子群算法優(yōu)化相空間重構參數(shù)的網(wǎng)絡流量預測模型(PSO-BPNN);首先將BP神經(jīng)網(wǎng)絡作為學習算法,然后采用粒子群算法對相空間重構參數(shù)——延遲時間和嵌入維進行聯(lián)合優(yōu)化,并重構網(wǎng)絡流量序列,最后以小波BP神經(jīng)網(wǎng)絡建立最優(yōu)絡流量預測模型,并采用仿真實驗對模型性能進行分析,結果表明,PSO-BPNN提高了網(wǎng)絡流量的預測精度。
【作者單位】： 華東交通大學信息工程學院;上饒師范學院數(shù)學與計算機科學學院;
【關鍵詞】： 網(wǎng)絡流量 相空間重構 粒子群算法 嵌入維 延遲時間
【基金】：江西省教育廳青年基金項目(GJJ13704)
【分類號】：TP393.06
【正文快照】： olAAhSSMHWM.m?工士確的85測模型�；谥С窒蛄繖C、神經(jīng)網(wǎng)絡的非線性預測方法能夠較好地描述網(wǎng)絡流量的非線性、■穩(wěn)性等變化特點,預測精度高’廣泛應用于網(wǎng)絡流1:預測24。近年來’-些#者將混沌理論應用于網(wǎng)絡流量建模與預測中,其中相空間重構(phase space reconstruction,PS

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姜明;吳春明;張e，

本文編號：610804