10.3969/j.issn.1000-7024.2012.05.068
模拟退火PSO的神经网络的网络流量预测模型
为解决网络流量时间序列的预测问题,针对传统BP神经网络的网络流量时间序列预测模型容易陷入局部极小值的不足,提出一种基于模拟退火的微粒群算法训练神经网络的网络流量时间序列预测模型.将模拟退火算法和基本粒子微粒群算法相结合,设计出一种基于模拟退火的微粒群算法.利用基于模拟退火微粒群算法优化BP神经网络的权值和阀值,对实际采集的网络流量时间序列进行建模.实验结果表明,基于模拟退火的微粒群算法训练的神经网络具有较高的预测效果,相对于传统的神经网络模型具有更高的预测精度和良好的自适应性.
模拟退火、神经网络、粒子微粒群算法、时间序列、网络流量
33
TP391(计算技术、计算机技术)
云南省教育厅科研基金项目2010Y060
2012-07-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
2013-2016