基于SCSO-GRU模型的网络流量预测

• 作者: 刘华 刘朝晖 高佰宏
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 网络流量预测 SCSO算法 GRU神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 72-77,84
• 页数: 7页
• 分类号: TP399
• 字数: 6003字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.04.013

摘要

网络流量有实时性、不稳定性和时序相关性等特点,传统网络流量预测模型存在泛化能力不强和预测精度低等不足之处.为解决这些不足,本文提出一种结合基于正余弦的群优化(SCSO)算法的GRU神经网络的网络流量预测模型(SCSO-GRU).首先,介绍SCSO算法的粒子更新原理;然后构建SCSO-GRU神经网络的网络流量预测模型,将SCSO算法用于模型训练,提高训练效果,克服传统GRU神经网络收敛于局部最优的缺点;最后用SCSO-GRU模型进行网络流量预测.实验结果表明,与传统LSTM和GRU模型相比,本文模型具有显著的收敛效果和较好的预测精度,可以更好地刻画网络流量变化趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘华	南华大学电气工程学院	52	114	4.0	8.0
2	刘朝晖	南华大学计算机学院	34	198	8.0	13.0
3	高佰宏	南华大学计算机学院	1	0	0.0	0.0