遗传算法优化小波神经网络的网络流量预测
유전산법우화소파신경망락적망락류량예측
Network Traffic Prediction Based on Wavelet Neural Network and Genetic Algorithm
  • 万方数据
    计算机系统应用 계산궤계통응용
    APPLICATIONS OF THE COMPUTER SYSTEMS
    2015年 1期 180-184 ,共5页

    王雪松%赵跃龙

    왕설송%조약룡

    网络流量%小波神经网络%遗传算法%参数优化 網絡流量%小波神經網絡%遺傳算法%參數優化
    망락류량%소파신경망락%유전산법%삼수우화
    network traffic%wavelet neural network%genetic algorithm%parameter optimization
    为了提高网络流量的预测精度,克服小波神经网络收敛速度慢、易陷入局部最优的缺点,提出一种遗传算法优化小波神经网络的网络流量预测模型.首先计算延迟时间和嵌入维数,构建小波神经网络的学习样本,然后采用小波神经网络对网络流训练集进行学习,并采用改进遗传算法对小波神经网络参数进行全局寻优,提高收敛速度和网络学习精度,最后采用网络流量数据对模型性能进行仿真分析.结果表明,相对于对比模型,本文模型的平均误差大幅度降低,训练次数急剧减,减小了二次优化训练的次数,具有更大的实际应用价值.
    위료제고망락류량적예측정도,극복소파신경망락수렴속도만、역함입국부최우적결점,제출일충유전산법우화소파신경망락적망락류량예측모형.수선계산연지시간화감입유수,구건소파신경망락적학습양본,연후채용소파신경망락대망락류훈련집진행학습,병채용개진유전산법대소파신경망락삼수진행전국심우,제고수렴속도화망락학습정도,최후채용망락류량수거대모형성능진행방진분석.결과표명,상대우대비모형,본문모형적평균오차대폭도강저,훈련차수급극감,감소료이차우화훈련적차수,구유경대적실제응용개치.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문