基于PSO-Elman模型的网络流量预测

• 作者: 刘涛 李冰 顾兆军
• 来源期刊: 现代电子技术
• 关键词: 相空间重构 粒子群算法 Elman神经网络 混沌时间序列 网络流量预测 参数优化
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 82-86
• 页数: 5页
• 分类号: TN98-34|TP393
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.01.019

摘要

针对网络流量的混沌性特点以及传统神经网络处理网络流量预测问题易陷入局部极小导致预测精度不高的问题,提出在相空间重构基础上,采用粒子群算法(PSO)优化Elman神经网络初始参数的网络流量预测模型.首先对网络流量时间序列进行相空间重构,将重构后的流量序列作为模型的输入;再利用PSO算法全局搜索能力对Elman神经网络初始参数进行优化;最后利用训练好的Elman神经网络对网络流量进行预测.仿真结果表明,相比其他流量预测方法,基于PSO-Elman模型的网络流量预测提高了预测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾兆军	中国民航大学计算机科学与技术学院	57	250	8.0	12.0
5	刘涛	中国民航大学计算机科学与技术学院	30	66	4.0	6.0
6	李冰	中国民航大学计算机科学与技术学院	3	16	2.0	3.0