粒子群算法优化相空间重构参数的网络流量预测模型

• 作者: 曾伟 黄亮
• 来源期刊: 计算机测量与控制
• 关键词: 网络流量 相空间重构 粒子群算法 嵌入维 延迟时间
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 3014-3016,3043
• 页数: 4页
• 分类号: TP393
• 语种: 中文

摘要

在网络流量预测过程中,相空间重构参数是影响预测性能的重要方面,传统参数分开优化,为了提高网络流量的预测精度,提出一种粒子群算法优化相空间重构参数的网络流量预测模型(PSO-BPNN);首先将BP神经网络作为学习算法,然后采用粒子群算法对相空间重构参数一延迟时间和嵌入维进行联合优化,并重构网络流量序列,最后以小波BP神经网络建立最优络流量预测模型,并采用仿真实验对模型性能进行分析,结果表明,PSO-BPNN提高了网络流量的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄亮	上饶师范学院数学与计算机科学学院	11	74	6.0	8.0
2	曾伟	华东交通大学信息工程学院	9	40	4.0	6.0