10.3969/j.issn.1006-9348.2013.06.066
基于强化学习的网络流量非线性多步预测方法
网络流量具有分形特性,用线性方法来预测非线性的网络流量,预测精度不高.为了提高测性能,提出了网络流量的非线性多步预测同题,利用一种结合分形神经网络、强化学习的非线性多步预测方法,用多重分形性质将网络流量序列分解为短相关序列,设计了一种强化学习神经网络(MRLA)流量预测模型,利用强化学习的Q算法训练BP神经网络,预测尺度系数、计算权值,最后构建MRLA网络进行仿真,预测网络流量.实验分析显示,相对MMLP网络,新预测方法具较好的多步预测性能.
网络流量、分形特性、非线性多步预测、强化学习、神经网络
30
TP393.08(计算技术、计算机技术)
黑龙江省自然科学基金项目F201218;齐齐哈尔大学青年教师科研启动支持计划项目2011k-M05;黑龙江省高等学校教改工程项目JG2012010679
2013-07-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
284-287