GAFSA优化SVR的网络流量预测模型研究

• 作者: 刘渊 王瑞雪
• 来源期刊: 计算机应用研究
• 关键词: 网络流量预测 参数优化 支持向量回归机 全局人工鱼群算法 自相似性
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 856-860
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.03.055

摘要

现有的诸多网络流量预测模型存在预测稳定性不好、精度较低等问题。针对此类问题, 研究了一种通过GAFSA(全局人工鱼群算法)优化SVR模型的网络流量预测方法。GAFSA是一种群智能优化算法, 寻优效果显著。采用GAFSA对SVR预测模型进行参数寻优, 可以得到使预测效果最佳的训练参数; 使用这组最优参数训练SVR, 建立网络流量预测模型, 可以很好地改善基于其他智能优化算法改进的SVR网络流量预测模型多次预测结果相差较大的问题, 使预测结果趋于稳定, 同时也可以提高预测精准度。仿真结果表明, GAFSA-SVR网络流量预测模型与其他模型相比, 预测结果基本稳定, 精准度提高到89%以上, 对于指导网络控制行为、分析网络安全态势有重要意义。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘渊	江南大学数字媒体学院	235	1325	17.0	25.0
2	王瑞雪	江南大学数字媒体学院	1	21	1.0	1.0