10.16652/j.issn.1004-373x.2016.10.008
基于改进神经网络的无线网络流量预测
考虑到无线网络流量具有极强的分散性、随机性以及混沌等特性,使用传统的ARIMA预测模型和BP神经网络模型难以对其进行精确的预测等,该文使用粒子群优化算法对BP神经网络预测模型进行优化以解决BP神经网络容易陷入局部最小值以及训练收敛速率低等问题,引入遗传算法中的自适应变异因子来以一定概率初始化部分变量解决粒子群优化算法会出现陷入局部最优解以及早熟收敛等问题.最后使用经典的CRAWDAD数据库中的无线网络流量数据对该文预测方法性能进行测试,使用稳定小渡变换方法将无线网络流量数据分解,得到由1个近似分量以及3个细节分量组成的数据流.测试结果表明,该预测算法在预测性能上要优于ARIMA预测模型和BP神经网络模型.
无线网络流量预测、粒子群优化算法、BP神经网络、ARIMA预测模型
39
TN915-34;TP393
国家自然科学基金资助的课题61120106002
2016-07-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
30-33