基于蝙蝠算法优化反向传播神经网络模型的无线网络流量预测

• 作者: 戴宏亮 罗裕达
• 来源期刊: 计算机应用
• 关键词: 网络流量 反向传播神经网络 蝙蝠算法 遗传算法 预测
• 年，卷（期）: 2021,（z1）
• 所属期刊栏目: 网络与通信|Network and communications
• 页码范围: 185-188
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020101679

摘要

针对无线网络流量数据预测精度不高问题,提出一种基于蝙蝠算法(BA)优化的反向传播(BP)神经网络的分类预测模型——BABP.通过采用蝙蝠算法对BP神经网络模型的初始权值与阈值进行全局寻优,构建崭新的基于蝙蝠算法优化的神经网络模型.通过与基于传统寻优算法遗传算法(GA)与粒子群优化(PSO)算法的反向传播(BP)神经网络模型比较,在无线网络流量数据的分类预测和稳定性方面,提出的BABP模型要优于GABP模型、PSOBP模型;同时,无论迭代次数的多与少,BABP均比GABP、PSOBP算法更快地收敛.实验结果表明,BABP模型在预测精度、寻优速度以及模型稳定性等方面均比GABP、PSOBP模型更具优势.