基于B PS O-RB F神经网络的网络流量预测

• 作者: 梁昔明 王雪松
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 网络流量 神经网络 参数优化 预测模型 反向粒子群算法
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 网络与通信
• 页码范围: 102-105
• 页数: 4页
• 分类号: TP393
• 字数: 3241字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.09.026

摘要

为了提高网络流量的预测精度，针对网络的时变性和混沌性，提出一种反向学习粒子群优化神经网络的网络流量预测模型（BPSO-RBFNN）。首先将网络流量样本输入到RBF神经网络进行学习，采用引入反向学习机制的粒子群算法优化参数，然后建立网络流量预测模型，最后采用仿真实验对模型性能进行分析。结果表明，BPSO-RBFNN可以描述网络流量的时变性、混沌性变化趋势，网络流量预测精度得以提高，具有较好的实际应用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁昔明	北京建筑工程学院理学院	25	123	7.0	10.0
2	王雪松	佛山职业技术学院电子信息系	14	68	5.0	7.0