針對常規(guī)BP神經(jīng)網(wǎng)絡(luò)預測模型存在的預測精度低、收斂速度慢等問題,給出一種蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預測模型,用于政務(wù)云的網(wǎng)絡(luò)安全態(tài)勢預測。同時,對蟻群算法的信息素更新規(guī)則進行改進,并將改進后的蟻群算法應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的優(yōu)化,得到BP神經(jīng)網(wǎng)絡(luò)預測模型的最優(yōu)權(quán)值和閾值,并將最優(yōu)權(quán)值和閾值用于BP神經(jīng)網(wǎng)絡(luò)訓練和預測。實驗仿真結(jié)果表明,與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)安全預測模型相比,采用優(yōu)化后的模型進行網(wǎng)絡(luò)安全態(tài)勢預測時,其收斂速度和預測精度都得到了明顯的提高。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(21)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)拓撲圖

BP神經(jīng)網(wǎng)絡(luò)模型訓練誤差曲線和蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)訓練模型誤差曲線如圖2所示。由圖2中可以看出：BP神經(jīng)網(wǎng)絡(luò)預測模型經(jīng)過150步的迭代訓練基本上達到所設(shè)定的訓練目標誤差要求；而蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預測模型經(jīng)過70步的迭代訓練基本已經(jīng)達到穩(wěn)定的訓練效果，且達到所設(shè)定的訓練誤差要求�？梢钥闯鰞�(yōu)化后預測模型的收斂速度得到明顯加快。將測試樣本數(shù)據(jù)輸入模型進行態(tài)勢預測，結(jié)果如圖3所示。通過對比可以看出，蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預測模型的網(wǎng)絡(luò)安全態(tài)勢預測值更加接近真實值，證明本文建立的蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預測模型用于政務(wù)云環(huán)境下的網(wǎng)絡(luò)安全態(tài)勢預測的理論可行性。

為了進一步說明該預測模型的準確性和適用性，分別計算了BP神經(jīng)網(wǎng)絡(luò)預測模型和蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預測模型的平均絕對誤差（MAE）和均方根誤差（RMSE），結(jié)果如表1所示[10]。由表1可以看出，蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預測模型的MAE和RMSE值明顯低于常規(guī)BP神經(jīng)網(wǎng)絡(luò)預測模型，因而蟻群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預測模型具有更高的預測精度。4 結(jié)論

【參考文獻】：
期刊論文
[1]用于網(wǎng)絡(luò)安全態(tài)勢預測的粒子群與支持向量機算法研究[J]. 孫衛(wèi)喜.  計算機應(yīng)用與軟件. 2019(06)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預測研究[J]. 周顯春,肖衡.  現(xiàn)代電子技術(shù). 2017(01)
[3]蟻群BP神經(jīng)網(wǎng)絡(luò)的光伏電站輻照強度預測[J]. 賀文,齊爽,陳厚合.  電力系統(tǒng)及其自動化學報. 2016(07)
[4]動態(tài)調(diào)整蟻群-BP神經(jīng)網(wǎng)絡(luò)模型在短期負荷預測中的應(yīng)用[J]. 師彪,李郁俠,于新花,閆旺.  水力發(fā)電學報. 2011(03)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢評估與預測技術(shù)研究[D]. 羅昭.西北大學 2018
[2]基于蟻群算法的改進型BP神經(jīng)網(wǎng)絡(luò)與應(yīng)用[D]. 李晨.西北農(nóng)林科技大學 2018
[3]網(wǎng)絡(luò)安全態(tài)勢的評估與預測技術(shù)研究[D]. 郭莎莎.北京郵電大學 2017
[4]基于蟻群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)流量預測模型研究[D]. 張文謙.西安電子科技大學 2014



本文編號：3488442